En esta sección se hace la descripción del caso de uso indicando el problema o tarea específica que se soluciona, proporcionando una visión general del mismo. Asimismo, se establece las necesidades y requisitos específicos del proyecto.
| Requisito | Descripcion |
|---|---|
| target_population | El conjunto de datos de German Credit representa a personas solicitantes de crédito en Alemania. Por tanto, la población impactada o beneficiada son individuos que solicitan productos financieros, como préstamos o créditos bancarios. Las decisiones automatizadas sobre su riesgo crediticio pueden afectar su acceso a productos financieros. |
| context | El propósito principal del sistema que se entrena con este conjunto de datos es predecir la probabilidad de que un solicitante de crédito pague o no pague su deuda. Las metas principales son:\nEvaluar la solvencia de un solicitante.\nReducir riesgos de impago para las instituciones financieras.\nFacilitar decisiones de aprobación o rechazo de solicitudes de crédito de manera eficiente. |
| sensitive_data | El dataset contiene atributos sensibles como:\nSexo (male/female)\nEstado civil (single/married/divorced)\nEdad Se deben aplicar buenas prácticas como:\nEvaluar y mitigar posibles sesgos en las predicciones relacionadas con estos atributos.\nImplementar técnicas de fairness-aware machine learning si se pretende garantizar equidad. |
| limitations | Tamaño limitado: solo 1.000 instancias, lo cual puede dificultar la generalización.\nDatos antiguos: provienen de los años 1990s o antes, y pueden no reflejar las condiciones socioeconómicas actuales.\nCodificación simplificada: algunas variables categóricas están preprocesadas de manera que puede ocultar matices importantes.\nPresencia de sesgos históricos: los datos reflejan posibles discriminaciones preexistentes en la concesión de crédito. |
| benefits | Acceso más ágil a decisiones de crédito si se usa un modelo justo y eficiente.\nReducción de la subjetividad humana en la evaluación crediticia.\n\nTransparencia potencialmente mayor si el modelo es explicado adecuadamente y supervisado. |
| ethics | Si el modelo es justo y preciso: Puede facilitar un acceso más equitativo a créditos y mejorar la eficiencia bancaria.\nSi el modelo es sesgado: Podría discriminar contra ciertos grupos (por ejemplo, mujeres, personas jóvenes o mayores, personas solteras), perpetuando desigualdades.\nSi el modelo no se actualiza: Puede volverse irrelevante o ineficaz con cambios en las condiciones económicas o comportamientos de pago de la población. |
| maintenance | Se recomienda que el modelo sea monitoreado:\nInicialmente: cada 6 meses.\nPosteriormente: según el comportamiento observado, podría ser anual si se mantiene un buen desempeño. El monitoreo debe incluir:\nRendimiento predictivo (accuracy, F1-score)\nMétricas de equidad (Disparate Impact (DI), Statistical Parity, Equal Opportunity Difference (EOD), Average Odds Difference (AOD)) |
| description | Nombre: German Credit Data\nOrigen: Instituto de Estadística y Ciencia de Datos de la Universidad de Dortmund.\nTamaño: 1.000 observaciones, 20 atributos.\nEtiquetas: "Good" (crédito aprobado) o "Bad" (crédito no aprobado).\nVariables: mezcla de variables categóricas y numéricas (por ejemplo, duración del crédito, propósito del préstamo, monto del crédito, estado civil, edad, historial crediticio, entre otros). |
A continuación, se describe el análisis de los datos disponibles para la construcción del modelo
Cual fue la manera en que se llevó a cabo el proceso de recopilación de los datos, indicando si los datos utilizados corresponden a toda una población o si son una muestra representativa de la misma, especificando el porcentaje que representan en relación a la población en cuestión. Además, identificar las razones por las cuales existen valores perdidos en los datos. Asimismo, indicar si los datos han sido sometidos a algún tipo de tratamiento o transformación, o si se encuentran en su formato original
| Ítem | Descripción |
|---|---|
| Fuente de Datos | German Credit Data Origen: Instituto de Estadística y Ciencia de Datos de la Universidad de Dortmund. |
| Filas | 800 |
| Columnas | 61 |
| Atributos sensibles | [sexo] |
| Atributo de clase | class |
| Formato | csv archivo separados por comas |
| Descripción | Tamaño: 1.000 observaciones, 20 atributos. Etiquetas: "Good" (crédito aprobado) o "Bad" (crédito no aprobado). Variables: mezcla de variables categóricas y numéricas (por ejemplo, duración del crédito, propósito del préstamo, monto del crédito, estado civil, edad, historial crediticio, entre otros). |
En esta sección se busca comprender la naturaleza y las características de cada atributo en el conjunto de datos. Esto implica examinar el tipo de dato, la escala de medición, el rango de valores posibles, la presencia de valores atípicos o perdidos, y cualquier otra información relevante relacionada con cada atributo
| Atributo | Descripción |
|---|---|
| duration | Duración en meses del crédito solicitado. |
| amount | Monto del crédito solicitado en Deutsche Marks (DM). |
| installment | Tasa de cuota mensual a pagar como porcentaje del ingreso disponible (1: alta, 4: baja). |
| residence | Años de residencia actual en la dirección indicada. |
| age | Edad del solicitante en años. |
| cards | Número de créditos existentes en este banco. |
| liable | Número de personas a cargo del solicitante económicamente. |
| foreign | Si el solicitante es extranjero (1: sí, 0: no). |
| sexo | Sexo del solicitante (1: masculino, 0: femenino). |
| existingchecking__saldo positivo hasta 200 DM | Cuenta corriente con saldo positivo de hasta 200 Deutsche Marks. |
| existingchecking__saldo positivo superior a 200 DM | Cuenta corriente con saldo positivo mayor a 200 Deutsche Marks. |
| existingchecking__sin cuenta corriente | El solicitante no tiene cuenta corriente. |
| existingchecking__sin saldo | Cuenta corriente sin saldo o en descubierto. |
| history__créditos existentes pagados puntualmente hasta ahora | Todos los créditos anteriores fueron pagados puntualmente. |
| history__cuenta crítica/otros créditos existentes (no en este banco) | Hay cuentas o créditos críticos en otros bancos. |
| history__no créditos tomados | El solicitante no ha tomado créditos anteriormente. |
| history__retraso en el pago en el pasado | El solicitante tuvo retrasos en pagos anteriores. |
| history__todos los créditos en este banco devueltos a tiempo | Los créditos en este banco han sido devueltos a tiempo. |
| purpose__coche nuevo | Solicitud de crédito para comprar un coche nuevo. |
| purpose__coche usado | Solicitud de crédito para comprar un coche usado. |
| purpose__educación | Solicitud de crédito para financiar educación. |
| purpose__electrodomésticos | Solicitud de crédito para comprar electrodomésticos. |
| purpose__muebles/equipo | Solicitud de crédito para comprar muebles o equipamiento. |
| purpose__negocios | Solicitud de crédito para fines comerciales o de negocios. |
| purpose__otros | Otros propósitos no especificados. |
| purpose__radio/TV | Solicitud de crédito para la compra de radio o televisión. |
| purpose__reparaciones | Solicitud de crédito para reparaciones. |
| purpose__retraining | Solicitud de crédito para reentrenamiento profesional. |
| savings__saldo positivo de 100 a 500 DM | Ahorros entre 100 y 500 Deutsche Marks. |
| savings__saldo positivo de 500 a 1000 DM | Ahorros entre 500 y 1000 Deutsche Marks. |
| savings__saldo positivo hasta 100 DM | Ahorros menores o iguales a 100 Deutsche Marks. |
| savings__saldo positivo superior a 1000 DM | Ahorros superiores a 1000 Deutsche Marks. |
| savings__sin cuenta de ahorros | El solicitante no posee cuenta de ahorros. |
| employ__desempleado | El solicitante está desempleado. |
| employ__empleado de 1 a 4 años | El solicitante ha trabajado entre 1 y 4 años. |
| employ__empleado de 4 a 7 años | El solicitante ha trabajado entre 4 y 7 años. |
| employ__empleado menos de 1 año | El solicitante ha trabajado menos de 1 año. |
| employ__empleado más de 7 años | El solicitante ha trabajado más de 7 años. |
| others__co-deudor | Existe un co-deudor en la solicitud. |
| others__garante | Existe un garante en la solicitud. |
| others__ninguno | No hay co-deudores ni garantes. |
| property__automóvil | Propiedad de un automóvil. |
| property__bienes inmuebles | Propiedad de bienes inmuebles. |
| property__seguro de vida | Propiedad de una póliza de seguro de vida. |
| property__sin propiedad | No posee ninguna propiedad declarada. |
| otherplans__banco | Tiene otros planes financieros en bancos. |
| otherplans__ninguno | No tiene otros planes financieros. |
| otherplans__tiendas | Tiene planes de financiamiento con tiendas. |
| housing__alquiler | Vive en una vivienda alquilada. |
| housing__gratis | Vive en una vivienda sin pagar alquiler. |
| housing__propietario | Es propietario de la vivienda. |
| job__altamente calificado/funcionario | Profesional altamente calificado o funcionario público. |
| job__calificado | Trabajador calificado. |
| job__desempleado/no calificado | Persona desempleada o trabajador no calificado. |
| job__no calificado residente | Trabajador no calificado pero con residencia estable. |
| telephone__no | El solicitante no tiene teléfono. |
| telephone__sí | El solicitante tiene teléfono. |
| estado_civil__casado/viudo | Solicitante casado o viudo. |
| estado_civil__divorciada/separada/casada | Solicitante mujer divorciada, separada o casada. |
| estado_civil__divorciado/separado | Solicitante hombre divorciado o separado. |
| estado_civil__soltero | Solicitante soltero. |
| Atributo | Tipo | Cantidad | Valores unicos | Mas frecuente | Menos frecuente | Valores nulos |
|---|---|---|---|---|---|---|
| duration | category | 800 | 3 | 3 | 1 | 0 |
| amount | category | 800 | 3 | 1 | 3 | 0 |
| installment | category | 800 | 4 | 4 | 1 | 0 |
| residence | category | 800 | 4 | 4 | 1 | 0 |
| cards | category | 800 | 4 | 1 | 4 | 0 |
| liable | category | 800 | 2 | 1 | 2 | 0 |
| foreign | category | 800 | 2 | 0 | 1 | 0 |
| sexo | category | 800 | 2 | 1 | 0 | 0 |
| existingchecking__saldo positivo hasta 200 DM | category | 800 | 2 | 0 | 1 | 0 |
| existingchecking__saldo positivo superior a 200 DM | category | 800 | 2 | 0 | 1 | 0 |
| existingchecking__sin cuenta corriente | category | 800 | 2 | 0 | 1 | 0 |
| existingchecking__sin saldo | category | 800 | 2 | 0 | 1 | 0 |
| history__créditos existentes pagados puntualmente hasta ahora | category | 800 | 2 | 1 | 0 | 0 |
| history__cuenta crítica/otros créditos existentes (no en este banco) | category | 800 | 2 | 0 | 1 | 0 |
| history__no créditos tomados | category | 800 | 2 | 0 | 1 | 0 |
| history__retraso en el pago en el pasado | category | 800 | 2 | 0 | 1 | 0 |
| history__todos los créditos en este banco devueltos a tiempo | category | 800 | 2 | 0 | 1 | 0 |
| purpose__coche nuevo | category | 800 | 2 | 0 | 1 | 0 |
| purpose__coche usado | category | 800 | 2 | 0 | 1 | 0 |
| purpose__educación | category | 800 | 2 | 0 | 1 | 0 |
| purpose__electrodomésticos | category | 800 | 2 | 0 | 1 | 0 |
| purpose__muebles/equipo | category | 800 | 2 | 0 | 1 | 0 |
| purpose__negocios | category | 800 | 2 | 0 | 1 | 0 |
| purpose__otros | category | 800 | 2 | 0 | 1 | 0 |
| purpose__radio/TV | category | 800 | 2 | 0 | 1 | 0 |
| purpose__reparaciones | category | 800 | 2 | 0 | 1 | 0 |
| purpose__retraining | category | 800 | 2 | 0 | 1 | 0 |
| savings__saldo positivo de 100 a 500 DM | category | 800 | 2 | 0 | 1 | 0 |
| savings__saldo positivo de 500 a 1000 DM | category | 800 | 2 | 0 | 1 | 0 |
| savings__saldo positivo hasta 100 DM | category | 800 | 2 | 0 | 1 | 0 |
| savings__saldo positivo superior a 1000 DM | category | 800 | 2 | 0 | 1 | 0 |
| savings__sin cuenta de ahorros | category | 800 | 2 | 1 | 0 | 0 |
| employ__desempleado | category | 800 | 2 | 0 | 1 | 0 |
| employ__empleado de 1 a 4 años | category | 800 | 2 | 0 | 1 | 0 |
| employ__empleado de 4 a 7 años | category | 800 | 2 | 0 | 1 | 0 |
| employ__empleado menos de 1 año | category | 800 | 2 | 0 | 1 | 0 |
| employ__empleado más de 7 años | category | 800 | 2 | 0 | 1 | 0 |
| others__co-deudor | category | 800 | 2 | 0 | 1 | 0 |
| others__garante | category | 800 | 2 | 0 | 1 | 0 |
| others__ninguno | category | 800 | 2 | 1 | 0 | 0 |
| property__automóvil | category | 800 | 2 | 0 | 1 | 0 |
| property__bienes inmuebles | category | 800 | 2 | 0 | 1 | 0 |
| property__seguro de vida | category | 800 | 2 | 0 | 1 | 0 |
| property__sin propiedad | category | 800 | 2 | 0 | 1 | 0 |
| otherplans__banco | category | 800 | 2 | 0 | 1 | 0 |
| otherplans__ninguno | category | 800 | 2 | 0 | 1 | 0 |
| otherplans__tiendas | category | 800 | 2 | 1 | 0 | 0 |
| housing__alquiler | category | 800 | 2 | 0 | 1 | 0 |
| housing__gratis | category | 800 | 2 | 0 | 1 | 0 |
| housing__propietario | category | 800 | 2 | 1 | 0 | 0 |
| job__altamente calificado/funcionario | category | 800 | 2 | 0 | 1 | 0 |
| job__calificado | category | 800 | 2 | 1 | 0 | 0 |
| job__desempleado/no calificado | category | 800 | 2 | 0 | 1 | 0 |
| job__no calificado residente | category | 800 | 2 | 0 | 1 | 0 |
| telephone__no | category | 800 | 2 | 1 | 0 | 0 |
| telephone__sí | category | 800 | 2 | 0 | 1 | 0 |
| estado_civil__casado/viudo | category | 800 | 2 | 0 | 1 | 0 |
| estado_civil__divorciada/separada/casada | category | 800 | 2 | 0 | 1 | 0 |
| estado_civil__divorciado/separado | category | 800 | 2 | 0 | 1 | 0 |
| estado_civil__soltero | category | 800 | 2 | 1 | 0 | 0 |
| class | category | 800 | 2 | 1 | 0 | 0 |
| Atributo | Tipo | Cantidad | Minimo | Mediana | Maximo | Promedio | Desv Std | % Nulos | % Ceros |
|---|---|---|---|---|---|---|---|---|---|
| age | int64 | 800 | 20 | 33.0 | 75 | 35.38625 | 11.37778 | 0.0 | 0.0 |
Se realiza el análisis de las distribuciones de las variables de forma individual como relacionadas con la clase y los atributos sensibles
Advertencia: Para 'age' = 56, la proporción de 'sexo' = 0 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'sexo' = 1 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'sexo' = 0 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'sexo' = 1 (100.00%).
Advertencia: Para 'age' = 63, la proporción de 'sexo' = 0 es muy baja (0.00%).
Nota: Para 'age' = 63, casi todos pertenecen a 'sexo' = 1 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'sexo' = 0 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'sexo' = 1 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'sexo' = 0 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'sexo' = 1 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'sexo' = 0 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'sexo' = 1 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'sexo' = 0 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'sexo' = 1 (100.00%).
Advertencia: Para 'age' = 52, la proporción de 'class' = 0 es muy baja (0.00%).
Nota: Para 'age' = 52, casi todos pertenecen a 'class' = 1 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'class' = 0 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'class' = 1 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'class' = 0 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'class' = 1 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'class' = 0 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'class' = 1 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'class' = 0 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'class' = 1 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'class' = 0 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'class' = 1 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'class' = 0 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'class' = 1 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'class' = 0 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'class' = 1 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'class' = 0 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'class' = 1 (100.00%).
Advertencia: Para 'estado_civil__casado/viudo' = 1, la proporción de 'sexo' = 0 es muy baja (0.00%).
Nota: Para 'estado_civil__casado/viudo' = 1, casi todos pertenecen a 'sexo' = 1 (100.00%).
Advertencia: Para 'estado_civil__divorciada/separada/casada' = 0, la proporción de 'sexo' = 0 es muy baja (0.00%).
Nota: Para 'estado_civil__divorciada/separada/casada' = 0, casi todos pertenecen a 'sexo' = 1 (100.00%).
Nota: Para 'estado_civil__divorciada/separada/casada' = 1, casi todos pertenecen a 'sexo' = 0 (100.00%).
Advertencia: Para 'estado_civil__divorciada/separada/casada' = 1, la proporción de 'sexo' = 1 es muy baja (0.00%).
Advertencia: Para 'estado_civil__divorciado/separado' = 1, la proporción de 'sexo' = 0 es muy baja (0.00%).
Nota: Para 'estado_civil__divorciado/separado' = 1, casi todos pertenecen a 'sexo' = 1 (100.00%).
Advertencia: Para 'estado_civil__soltero' = 1, la proporción de 'sexo' = 0 es muy baja (0.00%).
Nota: Para 'estado_civil__soltero' = 1, casi todos pertenecen a 'sexo' = 1 (100.00%).
Advertencia: Para 'duration' = 1, la proporción de 'amount' = 3 es muy baja (2.86%).
Advertencia: Para 'duration' = 2, la proporción de 'amount' = 3 es muy baja (2.31%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 20 es muy baja (0.00%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 21 es muy baja (1.43%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 22 es muy baja (1.43%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 24 es muy baja (4.29%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 25 es muy baja (0.00%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 26 es muy baja (2.86%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 30 es muy baja (2.86%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 31 es muy baja (2.86%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 32 es muy baja (2.86%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 33 es muy baja (0.00%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 34 es muy baja (1.43%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 35 es muy baja (4.29%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 36 es muy baja (4.29%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 37 es muy baja (4.29%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 38 es muy baja (1.43%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 39 es muy baja (4.29%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 40 es muy baja (1.43%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 41 es muy baja (4.29%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 43 es muy baja (1.43%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 44 es muy baja (4.29%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 45 es muy baja (1.43%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 46 es muy baja (0.00%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 47 es muy baja (1.43%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 48 es muy baja (0.00%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 49 es muy baja (1.43%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 50 es muy baja (2.86%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 51 es muy baja (1.43%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 52 es muy baja (2.86%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 53 es muy baja (0.00%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 54 es muy baja (1.43%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 55 es muy baja (0.00%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 56 es muy baja (0.00%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 57 es muy baja (0.00%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 58 es muy baja (0.00%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 59 es muy baja (0.00%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 60 es muy baja (0.00%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 61 es muy baja (0.00%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 62 es muy baja (1.43%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 63 es muy baja (0.00%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 64 es muy baja (1.43%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 65 es muy baja (0.00%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 66 es muy baja (0.00%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 67 es muy baja (1.43%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 68 es muy baja (1.43%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 70 es muy baja (0.00%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 74 es muy baja (1.43%).
Advertencia: Para 'duration' = 1, la proporción de 'age' = 75 es muy baja (1.43%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 20 es muy baja (2.78%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 21 es muy baja (1.39%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 22 es muy baja (4.63%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 24 es muy baja (3.24%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 25 es muy baja (4.17%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 26 es muy baja (4.63%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 28 es muy baja (3.70%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 29 es muy baja (3.24%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 30 es muy baja (3.24%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 31 es muy baja (2.78%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 32 es muy baja (2.78%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 33 es muy baja (3.24%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 34 es muy baja (1.85%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 36 es muy baja (2.78%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 37 es muy baja (4.63%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 38 es muy baja (3.24%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 39 es muy baja (0.93%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 40 es muy baja (1.85%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 41 es muy baja (1.39%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 42 es muy baja (1.85%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 43 es muy baja (0.93%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 44 es muy baja (0.46%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 45 es muy baja (0.93%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 46 es muy baja (1.85%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 47 es muy baja (0.93%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 48 es muy baja (1.85%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 49 es muy baja (3.24%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 50 es muy baja (0.93%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 51 es muy baja (1.39%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 52 es muy baja (1.85%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 53 es muy baja (0.93%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 54 es muy baja (0.46%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 55 es muy baja (1.85%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 56 es muy baja (0.46%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 57 es muy baja (1.39%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 58 es muy baja (0.46%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 59 es muy baja (0.46%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 60 es muy baja (0.46%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 61 es muy baja (0.93%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 62 es muy baja (0.00%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 63 es muy baja (0.93%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 64 es muy baja (0.93%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 65 es muy baja (0.46%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 66 es muy baja (1.85%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 67 es muy baja (0.00%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 68 es muy baja (0.00%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 70 es muy baja (0.46%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 74 es muy baja (0.00%).
Advertencia: Para 'duration' = 2, la proporción de 'age' = 75 es muy baja (0.00%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 20 es muy baja (1.17%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 21 es muy baja (1.36%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 22 es muy baja (2.72%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 23 es muy baja (4.47%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 24 es muy baja (4.86%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 25 es muy baja (4.86%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 26 es muy baja (4.67%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 28 es muy baja (4.86%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 29 es muy baja (3.50%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 30 es muy baja (4.67%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 31 es muy baja (4.28%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 32 es muy baja (3.89%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 33 es muy baja (3.70%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 34 es muy baja (3.89%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 35 es muy baja (3.70%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 36 es muy baja (3.89%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 37 es muy baja (2.72%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 38 es muy baja (2.14%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 39 es muy baja (2.33%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 40 es muy baja (2.92%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 41 es muy baja (1.56%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 42 es muy baja (1.56%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 43 es muy baja (2.33%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 44 es muy baja (1.56%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 45 es muy baja (1.56%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 46 es muy baja (2.14%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 47 es muy baja (1.56%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 48 es muy baja (0.78%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 49 es muy baja (0.78%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 50 es muy baja (0.97%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 51 es muy baja (0.39%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 52 es muy baja (0.19%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 53 es muy baja (0.39%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 54 es muy baja (0.58%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 55 es muy baja (0.39%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 56 es muy baja (0.19%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 57 es muy baja (0.58%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 58 es muy baja (0.78%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 59 es muy baja (0.39%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 60 es muy baja (0.78%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 61 es muy baja (0.78%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 62 es muy baja (0.19%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 63 es muy baja (1.17%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 64 es muy baja (0.39%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 65 es muy baja (0.58%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 66 es muy baja (0.19%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 67 es muy baja (0.00%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 68 es muy baja (0.39%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 70 es muy baja (0.00%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 74 es muy baja (0.19%).
Advertencia: Para 'duration' = 3, la proporción de 'age' = 75 es muy baja (0.19%).
Advertencia: Para 'duration' = 1, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'duration' = 2, la proporción de 'cards' = 3 es muy baja (3.24%).
Advertencia: Para 'duration' = 2, la proporción de 'cards' = 4 es muy baja (1.39%).
Advertencia: Para 'duration' = 3, la proporción de 'cards' = 3 es muy baja (1.75%).
Advertencia: Para 'duration' = 3, la proporción de 'cards' = 4 es muy baja (0.19%).
Nota: Para 'duration' = 3, casi todos pertenecen a 'foreign' = 0 (98.44%).
Advertencia: Para 'duration' = 3, la proporción de 'foreign' = 1 es muy baja (1.56%).
Nota: Para 'duration' = 3, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (95.14%).
Advertencia: Para 'duration' = 3, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (4.86%).
Nota: Para 'duration' = 1, casi todos pertenecen a 'history__no créditos tomados' = 0 (97.14%).
Advertencia: Para 'duration' = 1, la proporción de 'history__no créditos tomados' = 1 es muy baja (2.86%).
Nota: Para 'duration' = 2, casi todos pertenecen a 'history__no créditos tomados' = 0 (97.22%).
Advertencia: Para 'duration' = 2, la proporción de 'history__no créditos tomados' = 1 es muy baja (2.78%).
Nota: Para 'duration' = 2, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (98.15%).
Advertencia: Para 'duration' = 2, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (1.85%).
Nota: Para 'duration' = 2, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (98.15%).
Advertencia: Para 'duration' = 2, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (1.85%).
Nota: Para 'duration' = 3, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (95.33%).
Advertencia: Para 'duration' = 3, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (4.67%).
Nota: Para 'duration' = 1, casi todos pertenecen a 'purpose__coche usado' = 0 (98.57%).
Advertencia: Para 'duration' = 1, la proporción de 'purpose__coche usado' = 1 es muy baja (1.43%).
Nota: Para 'duration' = 2, casi todos pertenecen a 'purpose__coche usado' = 0 (96.30%).
Advertencia: Para 'duration' = 2, la proporción de 'purpose__coche usado' = 1 es muy baja (3.70%).
Nota: Para 'duration' = 1, casi todos pertenecen a 'purpose__educación' = 0 (95.71%).
Advertencia: Para 'duration' = 1, la proporción de 'purpose__educación' = 1 es muy baja (4.29%).
Nota: Para 'duration' = 3, casi todos pertenecen a 'purpose__educación' = 0 (95.91%).
Advertencia: Para 'duration' = 3, la proporción de 'purpose__educación' = 1 es muy baja (4.09%).
Nota: Para 'duration' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (97.14%).
Advertencia: Para 'duration' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (2.86%).
Nota: Para 'duration' = 2, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.61%).
Advertencia: Para 'duration' = 2, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.39%).
Nota: Para 'duration' = 3, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (99.42%).
Advertencia: Para 'duration' = 3, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.58%).
Nota: Para 'duration' = 1, casi todos pertenecen a 'purpose__negocios' = 0 (98.57%).
Advertencia: Para 'duration' = 1, la proporción de 'purpose__negocios' = 1 es muy baja (1.43%).
Nota: Para 'duration' = 2, casi todos pertenecen a 'purpose__negocios' = 0 (95.83%).
Advertencia: Para 'duration' = 2, la proporción de 'purpose__negocios' = 1 es muy baja (4.17%).
Nota: Para 'duration' = 1, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'duration' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'duration' = 2, casi todos pertenecen a 'purpose__otros' = 0 (99.54%).
Advertencia: Para 'duration' = 2, la proporción de 'purpose__otros' = 1 es muy baja (0.46%).
Nota: Para 'duration' = 3, casi todos pertenecen a 'purpose__otros' = 0 (98.64%).
Advertencia: Para 'duration' = 3, la proporción de 'purpose__otros' = 1 es muy baja (1.36%).
Nota: Para 'duration' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.14%).
Advertencia: Para 'duration' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.86%).
Nota: Para 'duration' = 2, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.69%).
Advertencia: Para 'duration' = 2, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.31%).
Nota: Para 'duration' = 3, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.47%).
Advertencia: Para 'duration' = 3, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.53%).
Nota: Para 'duration' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (97.14%).
Advertencia: Para 'duration' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (2.86%).
Nota: Para 'duration' = 2, casi todos pertenecen a 'purpose__retraining' = 0 (98.15%).
Advertencia: Para 'duration' = 2, la proporción de 'purpose__retraining' = 1 es muy baja (1.85%).
Nota: Para 'duration' = 3, casi todos pertenecen a 'purpose__retraining' = 0 (99.81%).
Advertencia: Para 'duration' = 3, la proporción de 'purpose__retraining' = 1 es muy baja (0.19%).
Nota: Para 'duration' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (97.14%).
Advertencia: Para 'duration' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (2.86%).
Nota: Para 'duration' = 2, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.83%).
Advertencia: Para 'duration' = 2, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.17%).
Nota: Para 'duration' = 3, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.14%).
Advertencia: Para 'duration' = 3, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.86%).
Nota: Para 'duration' = 2, casi todos pertenecen a 'employ__desempleado' = 0 (96.76%).
Advertencia: Para 'duration' = 2, la proporción de 'employ__desempleado' = 1 es muy baja (3.24%).
Nota: Para 'duration' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'duration' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'duration' = 2, casi todos pertenecen a 'others__co-deudor' = 0 (95.37%).
Advertencia: Para 'duration' = 2, la proporción de 'others__co-deudor' = 1 es muy baja (4.63%).
Nota: Para 'duration' = 1, casi todos pertenecen a 'others__garante' = 0 (95.71%).
Advertencia: Para 'duration' = 1, la proporción de 'others__garante' = 1 es muy baja (4.29%).
Nota: Para 'duration' = 3, casi todos pertenecen a 'others__garante' = 0 (95.14%).
Advertencia: Para 'duration' = 3, la proporción de 'others__garante' = 1 es muy baja (4.86%).
Advertencia: Para 'duration' = 1, la proporción de 'others__ninguno' = 0 es muy baja (4.29%).
Nota: Para 'duration' = 1, casi todos pertenecen a 'others__ninguno' = 1 (95.71%).
Nota: Para 'duration' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (95.71%).
Advertencia: Para 'duration' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (4.29%).
Nota: Para 'duration' = 2, casi todos pertenecen a 'otherplans__banco' = 0 (97.22%).
Advertencia: Para 'duration' = 2, la proporción de 'otherplans__banco' = 1 es muy baja (2.78%).
Nota: Para 'duration' = 2, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.15%).
Advertencia: Para 'duration' = 2, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.85%).
Nota: Para 'duration' = 3, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.25%).
Advertencia: Para 'duration' = 3, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.75%).
Nota: Para 'duration' = 2, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.37%).
Advertencia: Para 'duration' = 2, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.63%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 20 es muy baja (1.70%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 21 es muy baja (1.70%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 22 es muy baja (3.97%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 24 es muy baja (3.40%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 25 es muy baja (3.40%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 26 es muy baja (4.82%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 28 es muy baja (4.53%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 29 es muy baja (3.40%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 30 es muy baja (3.40%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 31 es muy baja (3.12%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 32 es muy baja (3.68%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 33 es muy baja (3.12%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 34 es muy baja (1.98%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 35 es muy baja (4.25%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 36 es muy baja (3.12%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 37 es muy baja (2.83%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 38 es muy baja (3.40%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 39 es muy baja (1.98%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 40 es muy baja (3.12%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 41 es muy baja (1.42%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 42 es muy baja (1.70%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 43 es muy baja (1.70%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 44 es muy baja (0.57%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 45 es muy baja (0.57%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 46 es muy baja (1.98%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 47 es muy baja (1.70%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 48 es muy baja (1.13%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 49 es muy baja (1.70%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 50 es muy baja (1.13%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 51 es muy baja (0.85%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 52 es muy baja (1.13%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 53 es muy baja (0.28%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 54 es muy baja (0.85%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 55 es muy baja (1.13%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 56 es muy baja (0.28%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 57 es muy baja (1.13%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 58 es muy baja (0.85%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 59 es muy baja (0.28%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 60 es muy baja (0.57%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 61 es muy baja (0.85%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 62 es muy baja (0.28%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 63 es muy baja (0.85%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 64 es muy baja (0.85%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 65 es muy baja (0.85%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 66 es muy baja (1.42%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 67 es muy baja (0.28%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 68 es muy baja (0.28%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 70 es muy baja (0.00%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 74 es muy baja (0.28%).
Advertencia: Para 'amount' = 1, la proporción de 'age' = 75 es muy baja (0.28%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 20 es muy baja (1.95%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 21 es muy baja (0.97%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 22 es muy baja (3.25%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 23 es muy baja (3.25%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 26 es muy baja (4.87%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 29 es muy baja (3.25%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 30 es muy baja (3.90%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 31 es muy baja (3.57%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 32 es muy baja (4.22%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 33 es muy baja (4.55%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 34 es muy baja (3.90%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 35 es muy baja (3.90%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 36 es muy baja (4.22%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 37 es muy baja (4.55%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 38 es muy baja (0.97%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 39 es muy baja (1.95%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 40 es muy baja (2.27%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 41 es muy baja (1.95%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 42 es muy baja (1.30%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 43 es muy baja (2.60%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 44 es muy baja (1.62%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 45 es muy baja (1.62%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 46 es muy baja (1.62%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 47 es muy baja (1.30%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 48 es muy baja (0.97%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 49 es muy baja (1.30%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 50 es muy baja (1.30%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 51 es muy baja (0.65%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 52 es muy baja (0.97%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 53 es muy baja (0.32%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 54 es muy baja (0.65%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 55 es muy baja (0.32%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 56 es muy baja (0.32%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 57 es muy baja (0.65%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 58 es muy baja (0.00%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 59 es muy baja (0.00%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 60 es muy baja (0.65%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 61 es muy baja (0.97%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 62 es muy baja (0.32%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 63 es muy baja (0.65%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 64 es muy baja (0.65%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 65 es muy baja (0.32%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 66 es muy baja (0.00%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 67 es muy baja (0.00%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 68 es muy baja (0.00%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 70 es muy baja (0.00%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 74 es muy baja (0.32%).
Advertencia: Para 'amount' = 2, la proporción de 'age' = 75 es muy baja (0.00%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 20 es muy baja (0.00%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 21 es muy baja (1.44%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 22 es muy baja (0.72%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 23 es muy baja (3.60%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 24 es muy baja (4.32%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 25 es muy baja (4.32%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 26 es muy baja (2.88%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 28 es muy baja (3.60%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 32 es muy baja (1.44%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 33 es muy baja (0.72%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 34 es muy baja (4.32%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 35 es muy baja (4.32%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 36 es muy baja (3.60%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 37 es muy baja (2.16%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 38 es muy baja (2.88%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 39 es muy baja (2.88%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 40 es muy baja (1.44%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 41 es muy baja (2.16%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 42 es muy baja (4.32%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 43 es muy baja (0.72%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 44 es muy baja (3.60%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 45 es muy baja (2.88%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 46 es muy baja (2.16%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 47 es muy baja (0.72%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 48 es muy baja (0.72%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 49 es muy baja (1.44%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 50 es muy baja (0.72%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 51 es muy baja (0.72%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 52 es muy baja (0.00%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 53 es muy baja (1.44%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 54 es muy baja (0.00%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 55 es muy baja (0.72%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 56 es muy baja (0.00%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 57 es muy baja (0.00%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 58 es muy baja (1.44%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 59 es muy baja (1.44%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 60 es muy baja (0.72%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 61 es muy baja (0.00%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 62 es muy baja (0.00%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 63 es muy baja (2.16%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 64 es muy baja (0.00%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 65 es muy baja (0.00%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 66 es muy baja (0.00%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 67 es muy baja (0.00%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 68 es muy baja (1.44%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 70 es muy baja (0.72%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 74 es muy baja (0.00%).
Advertencia: Para 'amount' = 3, la proporción de 'age' = 75 es muy baja (0.72%).
Advertencia: Para 'amount' = 1, la proporción de 'cards' = 3 es muy baja (3.40%).
Advertencia: Para 'amount' = 1, la proporción de 'cards' = 4 es muy baja (0.85%).
Advertencia: Para 'amount' = 2, la proporción de 'cards' = 3 es muy baja (1.95%).
Advertencia: Para 'amount' = 2, la proporción de 'cards' = 4 es muy baja (0.32%).
Advertencia: Para 'amount' = 3, la proporción de 'cards' = 3 es muy baja (2.16%).
Advertencia: Para 'amount' = 3, la proporción de 'cards' = 4 es muy baja (0.00%).
Nota: Para 'amount' = 2, casi todos pertenecen a 'foreign' = 0 (97.73%).
Advertencia: Para 'amount' = 2, la proporción de 'foreign' = 1 es muy baja (2.27%).
Nota: Para 'amount' = 3, casi todos pertenecen a 'foreign' = 0 (97.84%).
Advertencia: Para 'amount' = 3, la proporción de 'foreign' = 1 es muy baja (2.16%).
Nota: Para 'amount' = 3, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (99.28%).
Advertencia: Para 'amount' = 3, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.72%).
Nota: Para 'amount' = 1, casi todos pertenecen a 'history__no créditos tomados' = 0 (97.73%).
Advertencia: Para 'amount' = 1, la proporción de 'history__no créditos tomados' = 1 es muy baja (2.27%).
Nota: Para 'amount' = 2, casi todos pertenecen a 'history__no créditos tomados' = 0 (95.45%).
Advertencia: Para 'amount' = 2, la proporción de 'history__no créditos tomados' = 1 es muy baja (4.55%).
Nota: Para 'amount' = 1, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (95.47%).
Advertencia: Para 'amount' = 1, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (4.53%).
Nota: Para 'amount' = 2, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (97.08%).
Advertencia: Para 'amount' = 2, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (2.92%).
Nota: Para 'amount' = 1, casi todos pertenecen a 'purpose__coche usado' = 0 (98.87%).
Advertencia: Para 'amount' = 1, la proporción de 'purpose__coche usado' = 1 es muy baja (1.13%).
Nota: Para 'amount' = 2, casi todos pertenecen a 'purpose__educación' = 0 (97.40%).
Advertencia: Para 'amount' = 2, la proporción de 'purpose__educación' = 1 es muy baja (2.60%).
Nota: Para 'amount' = 3, casi todos pertenecen a 'purpose__educación' = 0 (95.68%).
Advertencia: Para 'amount' = 3, la proporción de 'purpose__educación' = 1 es muy baja (4.32%).
Nota: Para 'amount' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.02%).
Advertencia: Para 'amount' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.98%).
Nota: Para 'amount' = 2, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (99.68%).
Advertencia: Para 'amount' = 2, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.32%).
Nota: Para 'amount' = 3, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'amount' = 3, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'amount' = 1, casi todos pertenecen a 'purpose__otros' = 0 (99.15%).
Advertencia: Para 'amount' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.85%).
Nota: Para 'amount' = 2, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'amount' = 2, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'amount' = 3, casi todos pertenecen a 'purpose__otros' = 0 (96.40%).
Advertencia: Para 'amount' = 3, la proporción de 'purpose__otros' = 1 es muy baja (3.60%).
Nota: Para 'amount' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (96.60%).
Advertencia: Para 'amount' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (3.40%).
Nota: Para 'amount' = 2, casi todos pertenecen a 'purpose__reparaciones' = 0 (98.38%).
Advertencia: Para 'amount' = 2, la proporción de 'purpose__reparaciones' = 1 es muy baja (1.62%).
Nota: Para 'amount' = 3, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.84%).
Advertencia: Para 'amount' = 3, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.16%).
Nota: Para 'amount' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (98.02%).
Advertencia: Para 'amount' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (1.98%).
Nota: Para 'amount' = 2, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'amount' = 2, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'amount' = 3, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'amount' = 3, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'amount' = 3, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (97.84%).
Advertencia: Para 'amount' = 3, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (2.16%).
Nota: Para 'amount' = 2, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.10%).
Advertencia: Para 'amount' = 2, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.90%).
Nota: Para 'amount' = 3, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (97.12%).
Advertencia: Para 'amount' = 3, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (2.88%).
Nota: Para 'amount' = 2, casi todos pertenecen a 'employ__desempleado' = 0 (96.75%).
Advertencia: Para 'amount' = 2, la proporción de 'employ__desempleado' = 1 es muy baja (3.25%).
Nota: Para 'amount' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (98.02%).
Advertencia: Para 'amount' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (1.98%).
Nota: Para 'amount' = 2, casi todos pertenecen a 'others__garante' = 0 (95.45%).
Advertencia: Para 'amount' = 2, la proporción de 'others__garante' = 1 es muy baja (4.55%).
Nota: Para 'amount' = 3, casi todos pertenecen a 'others__garante' = 0 (96.40%).
Advertencia: Para 'amount' = 3, la proporción de 'others__garante' = 1 es muy baja (3.60%).
Nota: Para 'amount' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (95.47%).
Advertencia: Para 'amount' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (4.53%).
Nota: Para 'amount' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (96.32%).
Advertencia: Para 'amount' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (3.68%).
Nota: Para 'amount' = 2, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (99.03%).
Advertencia: Para 'amount' = 2, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.97%).
Nota: Para 'amount' = 3, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (99.28%).
Advertencia: Para 'amount' = 3, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.72%).
Nota: Para 'amount' = 2, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (95.13%).
Advertencia: Para 'amount' = 2, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (4.87%).
Nota: Para 'amount' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.60%).
Advertencia: Para 'amount' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.40%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 20 es muy baja (2.86%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 21 es muy baja (1.90%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 22 es muy baja (4.76%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 24 es muy baja (4.76%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 25 es muy baja (1.90%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 26 es muy baja (3.81%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 28 es muy baja (4.76%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 29 es muy baja (3.81%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 30 es muy baja (2.86%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 31 es muy baja (4.76%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 34 es muy baja (3.81%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 35 es muy baja (1.90%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 36 es muy baja (1.90%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 37 es muy baja (3.81%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 38 es muy baja (1.90%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 39 es muy baja (2.86%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 40 es muy baja (0.00%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 41 es muy baja (0.00%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 42 es muy baja (0.00%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 43 es muy baja (0.95%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 44 es muy baja (1.90%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 45 es muy baja (2.86%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 46 es muy baja (2.86%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 47 es muy baja (0.95%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 48 es muy baja (2.86%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 49 es muy baja (0.95%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 50 es muy baja (0.00%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 51 es muy baja (0.95%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 52 es muy baja (0.00%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 53 es muy baja (0.00%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 54 es muy baja (0.95%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 55 es muy baja (0.95%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 56 es muy baja (0.00%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 57 es muy baja (0.00%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 58 es muy baja (0.00%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 59 es muy baja (0.95%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 60 es muy baja (0.95%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 61 es muy baja (0.00%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 62 es muy baja (0.95%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 63 es muy baja (0.95%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 64 es muy baja (0.95%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 65 es muy baja (0.00%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 66 es muy baja (0.00%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 67 es muy baja (0.00%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 68 es muy baja (0.95%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 70 es muy baja (0.00%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 74 es muy baja (0.95%).
Advertencia: Para 'installment' = 1, la proporción de 'age' = 75 es muy baja (0.00%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 20 es muy baja (2.22%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 21 es muy baja (2.22%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 22 es muy baja (3.33%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 23 es muy baja (3.33%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 28 es muy baja (2.78%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 29 es muy baja (4.44%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 30 es muy baja (3.33%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 32 es muy baja (1.67%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 33 es muy baja (1.67%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 34 es muy baja (1.67%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 35 es muy baja (3.33%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 36 es muy baja (4.44%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 37 es muy baja (3.33%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 38 es muy baja (1.11%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 39 es muy baja (2.78%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 40 es muy baja (1.11%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 41 es muy baja (2.78%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 43 es muy baja (0.56%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 44 es muy baja (2.78%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 45 es muy baja (2.22%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 46 es muy baja (0.56%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 47 es muy baja (1.11%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 48 es muy baja (0.56%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 49 es muy baja (3.33%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 50 es muy baja (1.11%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 51 es muy baja (0.56%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 52 es muy baja (0.00%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 53 es muy baja (0.00%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 54 es muy baja (0.00%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 55 es muy baja (0.56%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 56 es muy baja (0.00%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 57 es muy baja (0.00%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 58 es muy baja (0.00%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 59 es muy baja (0.00%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 60 es muy baja (0.00%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 61 es muy baja (0.56%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 62 es muy baja (0.00%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 63 es muy baja (1.11%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 64 es muy baja (1.67%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 65 es muy baja (0.00%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 66 es muy baja (0.56%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 67 es muy baja (0.00%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 68 es muy baja (1.11%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 70 es muy baja (0.56%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 74 es muy baja (0.00%).
Advertencia: Para 'installment' = 2, la proporción de 'age' = 75 es muy baja (0.56%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 20 es muy baja (0.78%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 21 es muy baja (0.78%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 22 es muy baja (3.10%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 23 es muy baja (3.88%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 25 es muy baja (3.88%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 26 es muy baja (4.65%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 28 es muy baja (4.65%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 29 es muy baja (3.10%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 30 es muy baja (3.10%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 31 es muy baja (4.65%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 32 es muy baja (3.88%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 33 es muy baja (1.55%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 34 es muy baja (3.10%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 36 es muy baja (3.88%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 37 es muy baja (2.33%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 38 es muy baja (2.33%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 39 es muy baja (3.10%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 40 es muy baja (4.65%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 41 es muy baja (1.55%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 42 es muy baja (0.00%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 43 es muy baja (3.88%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 44 es muy baja (0.78%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 45 es muy baja (0.78%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 46 es muy baja (0.78%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 47 es muy baja (0.78%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 48 es muy baja (1.55%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 49 es muy baja (0.00%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 50 es muy baja (0.00%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 51 es muy baja (2.33%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 52 es muy baja (0.78%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 53 es muy baja (0.78%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 54 es muy baja (0.78%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 55 es muy baja (2.33%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 56 es muy baja (0.00%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 57 es muy baja (0.00%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 58 es muy baja (0.78%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 59 es muy baja (0.78%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 60 es muy baja (0.78%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 61 es muy baja (0.78%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 62 es muy baja (0.00%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 63 es muy baja (1.55%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 64 es muy baja (0.00%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 65 es muy baja (0.00%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 66 es muy baja (0.00%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 67 es muy baja (0.00%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 68 es muy baja (0.00%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 70 es muy baja (0.00%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 74 es muy baja (0.78%).
Advertencia: Para 'installment' = 3, la proporción de 'age' = 75 es muy baja (0.00%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 20 es muy baja (1.04%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 21 es muy baja (1.04%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 22 es muy baja (2.59%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 23 es muy baja (4.92%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 24 es muy baja (3.63%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 25 es muy baja (3.89%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 26 es muy baja (3.89%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 29 es muy baja (3.37%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 31 es muy baja (2.07%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 32 es muy baja (3.63%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 33 es muy baja (3.89%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 34 es muy baja (3.63%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 35 es muy baja (3.63%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 36 es muy baja (3.63%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 37 es muy baja (3.63%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 38 es muy baja (3.11%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 39 es muy baja (1.30%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 40 es muy baja (3.11%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 41 es muy baja (1.81%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 42 es muy baja (1.30%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 43 es muy baja (2.07%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 44 es muy baja (1.04%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 45 es muy baja (0.78%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 46 es muy baja (2.59%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 47 es muy baja (1.81%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 48 es muy baja (0.52%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 49 es muy baja (1.30%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 50 es muy baja (1.81%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 51 es muy baja (0.26%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 52 es muy baja (1.55%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 53 es muy baja (0.78%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 54 es muy baja (0.78%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 55 es muy baja (0.26%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 56 es muy baja (0.52%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 57 es muy baja (1.55%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 58 es muy baja (1.04%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 59 es muy baja (0.26%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 60 es muy baja (0.78%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 61 es muy baja (1.04%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 62 es muy baja (0.26%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 63 es muy baja (0.78%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 64 es muy baja (0.26%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 65 es muy baja (1.04%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 66 es muy baja (1.04%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 67 es muy baja (0.26%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 68 es muy baja (0.00%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 70 es muy baja (0.00%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 74 es muy baja (0.00%).
Advertencia: Para 'installment' = 4, la proporción de 'age' = 75 es muy baja (0.26%).
Advertencia: Para 'installment' = 1, la proporción de 'cards' = 3 es muy baja (3.81%).
Advertencia: Para 'installment' = 1, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'installment' = 2, la proporción de 'cards' = 3 es muy baja (3.89%).
Advertencia: Para 'installment' = 2, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'installment' = 3, la proporción de 'cards' = 3 es muy baja (1.55%).
Advertencia: Para 'installment' = 3, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'installment' = 4, la proporción de 'cards' = 3 es muy baja (2.07%).
Advertencia: Para 'installment' = 4, la proporción de 'cards' = 4 es muy baja (1.04%).
Nota: Para 'installment' = 2, casi todos pertenecen a 'foreign' = 0 (97.22%).
Advertencia: Para 'installment' = 2, la proporción de 'foreign' = 1 es muy baja (2.78%).
Nota: Para 'installment' = 4, casi todos pertenecen a 'foreign' = 0 (98.45%).
Advertencia: Para 'installment' = 4, la proporción de 'foreign' = 1 es muy baja (1.55%).
Nota: Para 'installment' = 1, casi todos pertenecen a 'history__no créditos tomados' = 0 (95.24%).
Advertencia: Para 'installment' = 1, la proporción de 'history__no créditos tomados' = 1 es muy baja (4.76%).
Nota: Para 'installment' = 4, casi todos pertenecen a 'history__no créditos tomados' = 0 (97.15%).
Advertencia: Para 'installment' = 4, la proporción de 'history__no créditos tomados' = 1 es muy baja (2.85%).
Nota: Para 'installment' = 2, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (97.22%).
Advertencia: Para 'installment' = 2, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (2.78%).
Nota: Para 'installment' = 3, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (98.45%).
Advertencia: Para 'installment' = 3, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (1.55%).
Nota: Para 'installment' = 4, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (95.34%).
Advertencia: Para 'installment' = 4, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (4.66%).
Nota: Para 'installment' = 1, casi todos pertenecen a 'purpose__educación' = 0 (98.10%).
Advertencia: Para 'installment' = 1, la proporción de 'purpose__educación' = 1 es muy baja (1.90%).
Nota: Para 'installment' = 2, casi todos pertenecen a 'purpose__educación' = 0 (96.67%).
Advertencia: Para 'installment' = 2, la proporción de 'purpose__educación' = 1 es muy baja (3.33%).
Nota: Para 'installment' = 3, casi todos pertenecen a 'purpose__educación' = 0 (96.90%).
Advertencia: Para 'installment' = 3, la proporción de 'purpose__educación' = 1 es muy baja (3.10%).
Nota: Para 'installment' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.10%).
Advertencia: Para 'installment' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.90%).
Nota: Para 'installment' = 2, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (99.44%).
Advertencia: Para 'installment' = 2, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.56%).
Nota: Para 'installment' = 3, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (99.22%).
Advertencia: Para 'installment' = 3, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.78%).
Nota: Para 'installment' = 4, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.96%).
Advertencia: Para 'installment' = 4, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.04%).
Nota: Para 'installment' = 1, casi todos pertenecen a 'purpose__otros' = 0 (99.05%).
Advertencia: Para 'installment' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.95%).
Nota: Para 'installment' = 2, casi todos pertenecen a 'purpose__otros' = 0 (98.33%).
Advertencia: Para 'installment' = 2, la proporción de 'purpose__otros' = 1 es muy baja (1.67%).
Nota: Para 'installment' = 3, casi todos pertenecen a 'purpose__otros' = 0 (99.22%).
Advertencia: Para 'installment' = 3, la proporción de 'purpose__otros' = 1 es muy baja (0.78%).
Nota: Para 'installment' = 4, casi todos pertenecen a 'purpose__otros' = 0 (99.22%).
Advertencia: Para 'installment' = 4, la proporción de 'purpose__otros' = 1 es muy baja (0.78%).
Nota: Para 'installment' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (99.05%).
Advertencia: Para 'installment' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.95%).
Nota: Para 'installment' = 2, casi todos pertenecen a 'purpose__reparaciones' = 0 (98.33%).
Advertencia: Para 'installment' = 2, la proporción de 'purpose__reparaciones' = 1 es muy baja (1.67%).
Nota: Para 'installment' = 3, casi todos pertenecen a 'purpose__reparaciones' = 0 (96.12%).
Advertencia: Para 'installment' = 3, la proporción de 'purpose__reparaciones' = 1 es muy baja (3.88%).
Nota: Para 'installment' = 4, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.15%).
Advertencia: Para 'installment' = 4, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.85%).
Nota: Para 'installment' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (99.05%).
Advertencia: Para 'installment' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.95%).
Nota: Para 'installment' = 2, casi todos pertenecen a 'purpose__retraining' = 0 (99.44%).
Advertencia: Para 'installment' = 2, la proporción de 'purpose__retraining' = 1 es muy baja (0.56%).
Nota: Para 'installment' = 3, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'installment' = 3, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'installment' = 4, casi todos pertenecen a 'purpose__retraining' = 0 (98.70%).
Advertencia: Para 'installment' = 4, la proporción de 'purpose__retraining' = 1 es muy baja (1.30%).
Nota: Para 'installment' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (97.14%).
Advertencia: Para 'installment' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (2.86%).
Nota: Para 'installment' = 2, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.56%).
Advertencia: Para 'installment' = 2, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.44%).
Nota: Para 'installment' = 3, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.12%).
Advertencia: Para 'installment' = 3, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.88%).
Nota: Para 'installment' = 2, casi todos pertenecen a 'employ__desempleado' = 0 (96.11%).
Advertencia: Para 'installment' = 2, la proporción de 'employ__desempleado' = 1 es muy baja (3.89%).
Nota: Para 'installment' = 3, casi todos pertenecen a 'employ__desempleado' = 0 (95.35%).
Advertencia: Para 'installment' = 3, la proporción de 'employ__desempleado' = 1 es muy baja (4.65%).
Nota: Para 'installment' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (96.19%).
Advertencia: Para 'installment' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (3.81%).
Nota: Para 'installment' = 3, casi todos pertenecen a 'others__co-deudor' = 0 (96.12%).
Advertencia: Para 'installment' = 3, la proporción de 'others__co-deudor' = 1 es muy baja (3.88%).
Nota: Para 'installment' = 4, casi todos pertenecen a 'others__co-deudor' = 0 (95.60%).
Advertencia: Para 'installment' = 4, la proporción de 'others__co-deudor' = 1 es muy baja (4.40%).
Nota: Para 'installment' = 4, casi todos pertenecen a 'others__garante' = 0 (95.85%).
Advertencia: Para 'installment' = 4, la proporción de 'others__garante' = 1 es muy baja (4.15%).
Nota: Para 'installment' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (96.19%).
Advertencia: Para 'installment' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (3.81%).
Nota: Para 'installment' = 2, casi todos pertenecen a 'otherplans__banco' = 0 (95.56%).
Advertencia: Para 'installment' = 2, la proporción de 'otherplans__banco' = 1 es muy baja (4.44%).
Nota: Para 'installment' = 3, casi todos pertenecen a 'otherplans__banco' = 0 (97.67%).
Advertencia: Para 'installment' = 3, la proporción de 'otherplans__banco' = 1 es muy baja (2.33%).
Nota: Para 'installment' = 1, casi todos pertenecen a 'housing__gratis' = 0 (95.24%).
Advertencia: Para 'installment' = 1, la proporción de 'housing__gratis' = 1 es muy baja (4.76%).
Nota: Para 'installment' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (95.24%).
Advertencia: Para 'installment' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (4.76%).
Nota: Para 'installment' = 2, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.22%).
Advertencia: Para 'installment' = 2, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.78%).
Nota: Para 'installment' = 3, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (99.22%).
Advertencia: Para 'installment' = 3, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.78%).
Nota: Para 'installment' = 4, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.45%).
Advertencia: Para 'installment' = 4, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.55%).
Nota: Para 'installment' = 3, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.35%).
Advertencia: Para 'installment' = 3, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.65%).
Nota: Para 'installment' = 4, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (97.41%).
Advertencia: Para 'installment' = 4, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (2.59%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 20 es muy baja (0.93%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 21 es muy baja (0.93%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 23 es muy baja (1.87%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 29 es muy baja (4.67%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 30 es muy baja (3.74%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 31 es muy baja (1.87%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 32 es muy baja (4.67%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 34 es muy baja (4.67%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 36 es muy baja (0.93%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 37 es muy baja (4.67%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 38 es muy baja (0.93%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 39 es muy baja (0.00%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 40 es muy baja (0.00%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 41 es muy baja (2.80%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 42 es muy baja (3.74%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 43 es muy baja (1.87%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 44 es muy baja (0.00%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 45 es muy baja (2.80%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 46 es muy baja (1.87%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 47 es muy baja (0.93%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 48 es muy baja (0.00%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 49 es muy baja (0.93%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 50 es muy baja (0.93%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 51 es muy baja (0.00%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 52 es muy baja (0.00%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 53 es muy baja (0.00%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 54 es muy baja (0.00%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 55 es muy baja (0.00%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 56 es muy baja (0.00%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 57 es muy baja (0.00%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 58 es muy baja (0.00%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 59 es muy baja (0.00%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 60 es muy baja (0.00%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 61 es muy baja (0.00%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 62 es muy baja (0.00%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 63 es muy baja (0.00%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 64 es muy baja (0.00%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 65 es muy baja (0.00%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 66 es muy baja (0.00%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 67 es muy baja (0.00%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 68 es muy baja (0.00%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 70 es muy baja (0.00%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 74 es muy baja (0.93%).
Advertencia: Para 'residence' = 1, la proporción de 'age' = 75 es muy baja (0.00%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 20 es muy baja (0.41%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 21 es muy baja (1.22%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 22 es muy baja (2.45%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 23 es muy baja (4.49%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 33 es muy baja (4.49%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 34 es muy baja (2.86%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 35 es muy baja (4.90%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 36 es muy baja (2.04%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 37 es muy baja (3.27%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 38 es muy baja (2.04%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 39 es muy baja (1.22%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 40 es muy baja (2.04%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 41 es muy baja (2.04%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 42 es muy baja (0.41%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 43 es muy baja (1.22%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 44 es muy baja (1.22%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 45 es muy baja (1.22%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 46 es muy baja (2.04%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 47 es muy baja (0.82%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 48 es muy baja (0.00%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 49 es muy baja (0.41%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 50 es muy baja (0.82%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 51 es muy baja (0.41%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 52 es muy baja (0.41%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 53 es muy baja (0.00%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 54 es muy baja (0.41%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 55 es muy baja (0.82%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 56 es muy baja (0.00%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 57 es muy baja (0.00%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 58 es muy baja (0.00%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 59 es muy baja (0.00%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 60 es muy baja (0.00%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 61 es muy baja (0.82%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 62 es muy baja (0.00%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 63 es muy baja (0.00%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 64 es muy baja (0.00%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 65 es muy baja (0.00%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 66 es muy baja (0.00%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 67 es muy baja (0.00%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 68 es muy baja (0.00%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 70 es muy baja (0.00%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 74 es muy baja (0.41%).
Advertencia: Para 'residence' = 2, la proporción de 'age' = 75 es muy baja (0.00%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 20 es muy baja (0.86%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 21 es muy baja (1.72%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 22 es muy baja (0.86%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 23 es muy baja (2.59%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 24 es muy baja (2.59%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 25 es muy baja (4.31%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 26 es muy baja (4.31%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 28 es muy baja (3.45%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 29 es muy baja (1.72%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 31 es muy baja (3.45%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 32 es muy baja (4.31%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 33 es muy baja (4.31%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 34 es muy baja (3.45%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 35 es muy baja (4.31%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 36 es muy baja (4.31%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 37 es muy baja (4.31%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 39 es muy baja (2.59%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 41 es muy baja (0.86%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 42 es muy baja (0.86%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 43 es muy baja (0.86%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 44 es muy baja (1.72%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 45 es muy baja (0.86%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 46 es muy baja (1.72%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 47 es muy baja (1.72%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 48 es muy baja (0.86%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 49 es muy baja (2.59%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 50 es muy baja (0.86%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 51 es muy baja (0.86%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 52 es muy baja (0.00%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 53 es muy baja (0.00%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 54 es muy baja (0.00%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 55 es muy baja (0.00%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 56 es muy baja (0.00%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 57 es muy baja (0.00%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 58 es muy baja (0.86%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 59 es muy baja (0.86%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 60 es muy baja (0.86%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 61 es muy baja (0.86%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 62 es muy baja (0.00%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 63 es muy baja (0.00%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 64 es muy baja (0.86%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 65 es muy baja (0.00%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 66 es muy baja (1.72%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 67 es muy baja (0.00%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 68 es muy baja (0.86%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 70 es muy baja (0.00%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 74 es muy baja (0.00%).
Advertencia: Para 'residence' = 3, la proporción de 'age' = 75 es muy baja (0.86%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 20 es muy baja (2.71%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 21 es muy baja (1.51%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 22 es muy baja (3.01%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 24 es muy baja (3.61%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 25 es muy baja (2.41%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 26 es muy baja (2.71%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 27 es muy baja (2.71%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 28 es muy baja (3.01%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 29 es muy baja (2.11%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 30 es muy baja (1.51%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 31 es muy baja (3.01%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 32 es muy baja (1.51%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 33 es muy baja (0.90%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 34 es muy baja (2.71%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 35 es muy baja (3.01%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 37 es muy baja (2.71%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 38 es muy baja (2.11%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 39 es muy baja (3.31%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 40 es muy baja (2.71%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 41 es muy baja (1.51%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 42 es muy baja (3.01%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 43 es muy baja (2.71%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 44 es muy baja (2.11%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 45 es muy baja (1.20%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 46 es muy baja (1.81%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 47 es muy baja (1.81%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 48 es muy baja (2.11%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 49 es muy baja (2.11%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 50 es muy baja (1.51%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 51 es muy baja (1.20%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 52 es muy baja (1.81%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 53 es muy baja (1.20%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 54 es muy baja (1.20%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 55 es muy baja (1.20%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 56 es muy baja (0.60%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 57 es muy baja (1.81%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 58 es muy baja (1.20%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 59 es muy baja (0.60%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 60 es muy baja (1.20%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 61 es muy baja (0.90%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 62 es muy baja (0.60%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 63 es muy baja (2.41%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 64 es muy baja (1.20%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 65 es muy baja (1.20%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 66 es muy baja (0.90%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 67 es muy baja (0.30%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 68 es muy baja (0.60%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 70 es muy baja (0.30%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 74 es muy baja (0.00%).
Advertencia: Para 'residence' = 4, la proporción de 'age' = 75 es muy baja (0.30%).
Advertencia: Para 'residence' = 1, la proporción de 'cards' = 3 es muy baja (2.80%).
Advertencia: Para 'residence' = 1, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'residence' = 2, la proporción de 'cards' = 3 es muy baja (0.41%).
Advertencia: Para 'residence' = 2, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'residence' = 3, la proporción de 'cards' = 3 es muy baja (3.45%).
Advertencia: Para 'residence' = 3, la proporción de 'cards' = 4 es muy baja (0.86%).
Advertencia: Para 'residence' = 4, la proporción de 'cards' = 3 es muy baja (3.92%).
Advertencia: Para 'residence' = 4, la proporción de 'cards' = 4 es muy baja (0.90%).
Nota: Para 'residence' = 1, casi todos pertenecen a 'foreign' = 0 (97.20%).
Advertencia: Para 'residence' = 1, la proporción de 'foreign' = 1 es muy baja (2.80%).
Nota: Para 'residence' = 3, casi todos pertenecen a 'foreign' = 0 (95.69%).
Advertencia: Para 'residence' = 3, la proporción de 'foreign' = 1 es muy baja (4.31%).
Nota: Para 'residence' = 4, casi todos pertenecen a 'foreign' = 0 (98.19%).
Advertencia: Para 'residence' = 4, la proporción de 'foreign' = 1 es muy baja (1.81%).
Nota: Para 'residence' = 3, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (98.28%).
Advertencia: Para 'residence' = 3, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (1.72%).
Nota: Para 'residence' = 2, casi todos pertenecen a 'history__no créditos tomados' = 0 (96.33%).
Advertencia: Para 'residence' = 2, la proporción de 'history__no créditos tomados' = 1 es muy baja (3.67%).
Nota: Para 'residence' = 3, casi todos pertenecen a 'history__no créditos tomados' = 0 (95.69%).
Advertencia: Para 'residence' = 3, la proporción de 'history__no créditos tomados' = 1 es muy baja (4.31%).
Nota: Para 'residence' = 4, casi todos pertenecen a 'history__no créditos tomados' = 0 (95.78%).
Advertencia: Para 'residence' = 4, la proporción de 'history__no créditos tomados' = 1 es muy baja (4.22%).
Nota: Para 'residence' = 1, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (97.20%).
Advertencia: Para 'residence' = 1, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (2.80%).
Nota: Para 'residence' = 2, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (96.73%).
Advertencia: Para 'residence' = 2, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (3.27%).
Nota: Para 'residence' = 3, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (97.41%).
Advertencia: Para 'residence' = 3, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (2.59%).
Nota: Para 'residence' = 1, casi todos pertenecen a 'purpose__coche usado' = 0 (95.33%).
Advertencia: Para 'residence' = 1, la proporción de 'purpose__coche usado' = 1 es muy baja (4.67%).
Nota: Para 'residence' = 2, casi todos pertenecen a 'purpose__educación' = 0 (96.73%).
Advertencia: Para 'residence' = 2, la proporción de 'purpose__educación' = 1 es muy baja (3.27%).
Nota: Para 'residence' = 3, casi todos pertenecen a 'purpose__educación' = 0 (96.55%).
Advertencia: Para 'residence' = 3, la proporción de 'purpose__educación' = 1 es muy baja (3.45%).
Nota: Para 'residence' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.13%).
Advertencia: Para 'residence' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.87%).
Nota: Para 'residence' = 2, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (99.18%).
Advertencia: Para 'residence' = 2, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.82%).
Nota: Para 'residence' = 3, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (99.14%).
Advertencia: Para 'residence' = 3, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.86%).
Nota: Para 'residence' = 4, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (99.10%).
Advertencia: Para 'residence' = 4, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.90%).
Nota: Para 'residence' = 1, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'residence' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'residence' = 2, casi todos pertenecen a 'purpose__otros' = 0 (99.18%).
Advertencia: Para 'residence' = 2, la proporción de 'purpose__otros' = 1 es muy baja (0.82%).
Nota: Para 'residence' = 3, casi todos pertenecen a 'purpose__otros' = 0 (97.41%).
Advertencia: Para 'residence' = 3, la proporción de 'purpose__otros' = 1 es muy baja (2.59%).
Nota: Para 'residence' = 4, casi todos pertenecen a 'purpose__otros' = 0 (99.10%).
Advertencia: Para 'residence' = 4, la proporción de 'purpose__otros' = 1 es muy baja (0.90%).
Nota: Para 'residence' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.20%).
Advertencia: Para 'residence' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.80%).
Nota: Para 'residence' = 2, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.96%).
Advertencia: Para 'residence' = 2, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.04%).
Nota: Para 'residence' = 3, casi todos pertenecen a 'purpose__reparaciones' = 0 (98.28%).
Advertencia: Para 'residence' = 3, la proporción de 'purpose__reparaciones' = 1 es muy baja (1.72%).
Nota: Para 'residence' = 4, casi todos pertenecen a 'purpose__reparaciones' = 0 (96.99%).
Advertencia: Para 'residence' = 4, la proporción de 'purpose__reparaciones' = 1 es muy baja (3.01%).
Nota: Para 'residence' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'residence' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'residence' = 2, casi todos pertenecen a 'purpose__retraining' = 0 (99.59%).
Advertencia: Para 'residence' = 2, la proporción de 'purpose__retraining' = 1 es muy baja (0.41%).
Nota: Para 'residence' = 3, casi todos pertenecen a 'purpose__retraining' = 0 (97.41%).
Advertencia: Para 'residence' = 3, la proporción de 'purpose__retraining' = 1 es muy baja (2.59%).
Nota: Para 'residence' = 4, casi todos pertenecen a 'purpose__retraining' = 0 (99.10%).
Advertencia: Para 'residence' = 4, la proporción de 'purpose__retraining' = 1 es muy baja (0.90%).
Nota: Para 'residence' = 1, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (95.33%).
Advertencia: Para 'residence' = 1, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (4.67%).
Nota: Para 'residence' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (98.13%).
Advertencia: Para 'residence' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (1.87%).
Nota: Para 'residence' = 4, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.39%).
Advertencia: Para 'residence' = 4, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.61%).
Nota: Para 'residence' = 1, casi todos pertenecen a 'employ__desempleado' = 0 (97.20%).
Advertencia: Para 'residence' = 1, la proporción de 'employ__desempleado' = 1 es muy baja (2.80%).
Nota: Para 'residence' = 3, casi todos pertenecen a 'employ__desempleado' = 0 (95.69%).
Advertencia: Para 'residence' = 3, la proporción de 'employ__desempleado' = 1 es muy baja (4.31%).
Nota: Para 'residence' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (95.33%).
Advertencia: Para 'residence' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (4.67%).
Nota: Para 'residence' = 2, casi todos pertenecen a 'others__co-deudor' = 0 (96.33%).
Advertencia: Para 'residence' = 2, la proporción de 'others__co-deudor' = 1 es muy baja (3.67%).
Nota: Para 'residence' = 4, casi todos pertenecen a 'others__co-deudor' = 0 (96.08%).
Advertencia: Para 'residence' = 4, la proporción de 'others__co-deudor' = 1 es muy baja (3.92%).
Nota: Para 'residence' = 3, casi todos pertenecen a 'others__garante' = 0 (95.69%).
Advertencia: Para 'residence' = 3, la proporción de 'others__garante' = 1 es muy baja (4.31%).
Nota: Para 'residence' = 4, casi todos pertenecen a 'others__garante' = 0 (95.48%).
Advertencia: Para 'residence' = 4, la proporción de 'others__garante' = 1 es muy baja (4.52%).
Nota: Para 'residence' = 4, casi todos pertenecen a 'otherplans__banco' = 0 (96.39%).
Advertencia: Para 'residence' = 4, la proporción de 'otherplans__banco' = 1 es muy baja (3.61%).
Nota: Para 'residence' = 1, casi todos pertenecen a 'housing__gratis' = 0 (96.26%).
Advertencia: Para 'residence' = 1, la proporción de 'housing__gratis' = 1 es muy baja (3.74%).
Nota: Para 'residence' = 2, casi todos pertenecen a 'housing__gratis' = 0 (95.51%).
Advertencia: Para 'residence' = 2, la proporción de 'housing__gratis' = 1 es muy baja (4.49%).
Nota: Para 'residence' = 3, casi todos pertenecen a 'housing__gratis' = 0 (97.41%).
Advertencia: Para 'residence' = 3, la proporción de 'housing__gratis' = 1 es muy baja (2.59%).
Nota: Para 'residence' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (95.33%).
Advertencia: Para 'residence' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (4.67%).
Nota: Para 'residence' = 2, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.37%).
Advertencia: Para 'residence' = 2, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.63%).
Nota: Para 'residence' = 3, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.28%).
Advertencia: Para 'residence' = 3, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.72%).
Nota: Para 'residence' = 4, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.19%).
Advertencia: Para 'residence' = 4, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.81%).
Nota: Para 'residence' = 4, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (95.48%).
Advertencia: Para 'residence' = 4, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (4.52%).
Nota: Para 'residence' = 3, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.69%).
Advertencia: Para 'residence' = 3, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.31%).
Advertencia: Para 'age' = 20, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 20, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 21, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 21, la proporción de 'cards' = 4 es muy baja (0.00%).
Nota: Para 'age' = 22, casi todos pertenecen a 'cards' = 1 (96.00%).
Advertencia: Para 'age' = 22, la proporción de 'cards' = 2 es muy baja (4.00%).
Advertencia: Para 'age' = 22, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 22, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 23, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 23, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 24, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 24, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 25, la proporción de 'cards' = 3 es muy baja (2.94%).
Advertencia: Para 'age' = 25, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 26, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 26, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 27, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 27, la proporción de 'cards' = 4 es muy baja (2.22%).
Advertencia: Para 'age' = 28, la proporción de 'cards' = 3 es muy baja (2.70%).
Advertencia: Para 'age' = 28, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 29, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 29, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 30, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 30, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 31, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 31, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 32, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 32, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 33, la proporción de 'cards' = 3 es muy baja (3.85%).
Advertencia: Para 'age' = 33, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 34, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 34, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 35, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 35, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 36, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 37, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 38, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 39, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 40, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 41, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 41, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 42, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 44, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 44, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 45, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 45, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 46, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 46, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 47, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 48, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 49, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 49, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 50, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 50, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 51, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 51, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 52, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 53, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 53, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 54, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 54, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 55, la proporción de 'cards' = 4 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'cards' = 1 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'cards' = 2 es muy baja (0.00%).
Advertencia: Para 'age' = 56, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 56, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 57, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 58, la proporción de 'cards' = 3 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'cards' = 1 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'cards' = 2 es muy baja (0.00%).
Advertencia: Para 'age' = 59, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 59, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 60, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 60, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 61, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 61, la proporción de 'cards' = 4 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'cards' = 1 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'cards' = 2 es muy baja (0.00%).
Advertencia: Para 'age' = 62, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 62, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 63, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 63, la proporción de 'cards' = 4 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'cards' = 1 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'cards' = 2 es muy baja (0.00%).
Advertencia: Para 'age' = 64, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 64, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 65, la proporción de 'cards' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 65, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 66, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 67, la proporción de 'cards' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'cards' = 2 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 67, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 68, la proporción de 'cards' = 4 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'cards' = 1 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'cards' = 2 es muy baja (0.00%).
Advertencia: Para 'age' = 70, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 70, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 74, la proporción de 'cards' = 2 es muy baja (0.00%).
Advertencia: Para 'age' = 74, la proporción de 'cards' = 4 es muy baja (0.00%).
Advertencia: Para 'age' = 75, la proporción de 'cards' = 3 es muy baja (0.00%).
Advertencia: Para 'age' = 75, la proporción de 'cards' = 4 es muy baja (0.00%).
Nota: Para 'age' = 22, casi todos pertenecen a 'liable' = 1 (100.00%).
Advertencia: Para 'age' = 22, la proporción de 'liable' = 2 es muy baja (0.00%).
Nota: Para 'age' = 24, casi todos pertenecen a 'liable' = 1 (97.14%).
Advertencia: Para 'age' = 24, la proporción de 'liable' = 2 es muy baja (2.86%).
Nota: Para 'age' = 25, casi todos pertenecen a 'liable' = 1 (100.00%).
Advertencia: Para 'age' = 25, la proporción de 'liable' = 2 es muy baja (0.00%).
Nota: Para 'age' = 27, casi todos pertenecen a 'liable' = 1 (100.00%).
Advertencia: Para 'age' = 27, la proporción de 'liable' = 2 es muy baja (0.00%).
Nota: Para 'age' = 50, casi todos pertenecen a 'liable' = 1 (100.00%).
Advertencia: Para 'age' = 50, la proporción de 'liable' = 2 es muy baja (0.00%).
Nota: Para 'age' = 52, casi todos pertenecen a 'liable' = 1 (100.00%).
Advertencia: Para 'age' = 52, la proporción de 'liable' = 2 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'liable' = 1 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'liable' = 2 es muy baja (0.00%).
Nota: Para 'age' = 57, casi todos pertenecen a 'liable' = 1 (100.00%).
Advertencia: Para 'age' = 57, la proporción de 'liable' = 2 es muy baja (0.00%).
Nota: Para 'age' = 58, casi todos pertenecen a 'liable' = 1 (100.00%).
Advertencia: Para 'age' = 58, la proporción de 'liable' = 2 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'liable' = 1 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'liable' = 2 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'liable' = 1 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'liable' = 2 es muy baja (0.00%).
Nota: Para 'age' = 61, casi todos pertenecen a 'liable' = 1 (100.00%).
Advertencia: Para 'age' = 61, la proporción de 'liable' = 2 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'liable' = 1 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'liable' = 2 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'liable' = 1 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'liable' = 2 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'liable' = 1 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'liable' = 2 es muy baja (0.00%).
Nota: Para 'age' = 66, casi todos pertenecen a 'liable' = 1 (100.00%).
Advertencia: Para 'age' = 66, la proporción de 'liable' = 2 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'liable' = 1 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'liable' = 2 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'liable' = 1 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'liable' = 2 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'liable' = 1 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'liable' = 2 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'liable' = 1 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'liable' = 2 es muy baja (0.00%).
Nota: Para 'age' = 20, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 20, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 21, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 21, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 22, casi todos pertenecen a 'foreign' = 0 (96.00%).
Advertencia: Para 'age' = 22, la proporción de 'foreign' = 1 es muy baja (4.00%).
Nota: Para 'age' = 23, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 23, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 25, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 25, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 28, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 28, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 30, casi todos pertenecen a 'foreign' = 0 (96.97%).
Advertencia: Para 'age' = 30, la proporción de 'foreign' = 1 es muy baja (3.03%).
Nota: Para 'age' = 31, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 31, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 33, casi todos pertenecen a 'foreign' = 0 (96.15%).
Advertencia: Para 'age' = 33, la proporción de 'foreign' = 1 es muy baja (3.85%).
Nota: Para 'age' = 34, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 34, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 36, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 36, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 37, casi todos pertenecen a 'foreign' = 0 (96.30%).
Advertencia: Para 'age' = 37, la proporción de 'foreign' = 1 es muy baja (3.70%).
Nota: Para 'age' = 41, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 41, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 42, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 42, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 43, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 43, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 44, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 44, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 46, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 46, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 47, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 47, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 49, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 49, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 50, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 50, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 51, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 51, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 52, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 52, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 54, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 54, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 57, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 57, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 58, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 58, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 61, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 61, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 63, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 63, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 66, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 66, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'age' = 51, casi todos pertenecen a 'existingchecking__saldo positivo hasta 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 51, la proporción de 'existingchecking__saldo positivo hasta 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 52, casi todos pertenecen a 'existingchecking__saldo positivo hasta 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 52, la proporción de 'existingchecking__saldo positivo hasta 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'existingchecking__saldo positivo hasta 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'existingchecking__saldo positivo hasta 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'existingchecking__saldo positivo hasta 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'existingchecking__saldo positivo hasta 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'existingchecking__saldo positivo hasta 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'existingchecking__saldo positivo hasta 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 63, casi todos pertenecen a 'existingchecking__saldo positivo hasta 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 63, la proporción de 'existingchecking__saldo positivo hasta 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'existingchecking__saldo positivo hasta 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'existingchecking__saldo positivo hasta 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'existingchecking__saldo positivo hasta 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'existingchecking__saldo positivo hasta 200 DM' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 70, la proporción de 'existingchecking__saldo positivo hasta 200 DM' = 0 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'existingchecking__saldo positivo hasta 200 DM' = 1 (100.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'existingchecking__saldo positivo hasta 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'existingchecking__saldo positivo hasta 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'existingchecking__saldo positivo hasta 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'existingchecking__saldo positivo hasta 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 21, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 21, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 22, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 22, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 24, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (97.14%).
Advertencia: Para 'age' = 24, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (2.86%).
Nota: Para 'age' = 25, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 25, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 27, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (95.56%).
Advertencia: Para 'age' = 27, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (4.44%).
Nota: Para 'age' = 30, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 30, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 31, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (96.67%).
Advertencia: Para 'age' = 31, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (3.33%).
Nota: Para 'age' = 32, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 32, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 34, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (96.00%).
Advertencia: Para 'age' = 34, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (4.00%).
Nota: Para 'age' = 35, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 35, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 42, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 42, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 43, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 43, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 44, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 44, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 52, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 52, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 54, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 54, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 57, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 57, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 58, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 58, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 61, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 61, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'existingchecking__sin cuenta corriente' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'existingchecking__sin cuenta corriente' = 1 es muy baja (0.00%).
Nota: Para 'age' = 61, casi todos pertenecen a 'existingchecking__sin cuenta corriente' = 0 (100.00%).
Advertencia: Para 'age' = 61, la proporción de 'existingchecking__sin cuenta corriente' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'existingchecking__sin cuenta corriente' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'existingchecking__sin cuenta corriente' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 67, la proporción de 'existingchecking__sin cuenta corriente' = 0 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'existingchecking__sin cuenta corriente' = 1 (100.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'existingchecking__sin cuenta corriente' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'existingchecking__sin cuenta corriente' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'existingchecking__sin cuenta corriente' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'existingchecking__sin cuenta corriente' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 75, la proporción de 'existingchecking__sin cuenta corriente' = 0 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'existingchecking__sin cuenta corriente' = 1 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'existingchecking__sin saldo' = 0 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'existingchecking__sin saldo' = 1 (100.00%).
Nota: Para 'age' = 66, casi todos pertenecen a 'existingchecking__sin saldo' = 0 (100.00%).
Advertencia: Para 'age' = 66, la proporción de 'existingchecking__sin saldo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'existingchecking__sin saldo' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'existingchecking__sin saldo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'existingchecking__sin saldo' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'existingchecking__sin saldo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'existingchecking__sin saldo' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'existingchecking__sin saldo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'history__créditos existentes pagados puntualmente hasta ahora' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'history__créditos existentes pagados puntualmente hasta ahora' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 62, la proporción de 'history__créditos existentes pagados puntualmente hasta ahora' = 0 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'history__créditos existentes pagados puntualmente hasta ahora' = 1 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'history__créditos existentes pagados puntualmente hasta ahora' = 0 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'history__créditos existentes pagados puntualmente hasta ahora' = 1 (100.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'history__créditos existentes pagados puntualmente hasta ahora' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'history__créditos existentes pagados puntualmente hasta ahora' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'history__créditos existentes pagados puntualmente hasta ahora' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'history__créditos existentes pagados puntualmente hasta ahora' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 70, la proporción de 'history__créditos existentes pagados puntualmente hasta ahora' = 0 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'history__créditos existentes pagados puntualmente hasta ahora' = 1 (100.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'history__créditos existentes pagados puntualmente hasta ahora' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'history__créditos existentes pagados puntualmente hasta ahora' = 1 es muy baja (0.00%).
Nota: Para 'age' = 22, casi todos pertenecen a 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0 (96.00%).
Advertencia: Para 'age' = 22, la proporción de 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1 es muy baja (4.00%).
Nota: Para 'age' = 45, casi todos pertenecen a 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0 (100.00%).
Advertencia: Para 'age' = 45, la proporción de 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 56, la proporción de 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1 (100.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 65, la proporción de 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1 (100.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 74, la proporción de 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1 (100.00%).
Nota: Para 'age' = 20, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 20, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 21, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 21, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 22, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 22, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 23, casi todos pertenecen a 'history__no créditos tomados' = 0 (97.37%).
Advertencia: Para 'age' = 23, la proporción de 'history__no créditos tomados' = 1 es muy baja (2.63%).
Nota: Para 'age' = 24, casi todos pertenecen a 'history__no créditos tomados' = 0 (97.14%).
Advertencia: Para 'age' = 24, la proporción de 'history__no créditos tomados' = 1 es muy baja (2.86%).
Nota: Para 'age' = 27, casi todos pertenecen a 'history__no créditos tomados' = 0 (97.78%).
Advertencia: Para 'age' = 27, la proporción de 'history__no créditos tomados' = 1 es muy baja (2.22%).
Nota: Para 'age' = 30, casi todos pertenecen a 'history__no créditos tomados' = 0 (96.97%).
Advertencia: Para 'age' = 30, la proporción de 'history__no créditos tomados' = 1 es muy baja (3.03%).
Nota: Para 'age' = 35, casi todos pertenecen a 'history__no créditos tomados' = 0 (96.97%).
Advertencia: Para 'age' = 35, la proporción de 'history__no créditos tomados' = 1 es muy baja (3.03%).
Nota: Para 'age' = 37, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 37, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 38, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 38, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 40, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 40, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 41, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 41, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 42, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 42, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 43, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 43, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 44, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 44, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 45, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 45, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 46, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 46, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 47, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 47, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 48, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 48, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 49, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 49, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 50, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 50, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 51, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 51, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 52, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 52, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 54, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 54, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 55, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 55, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 57, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 57, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 63, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 63, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 66, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 66, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'age' = 22, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (96.00%).
Advertencia: Para 'age' = 22, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (4.00%).
Nota: Para 'age' = 25, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).
Advertencia: Para 'age' = 25, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 33, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (96.15%).
Advertencia: Para 'age' = 33, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (3.85%).
Nota: Para 'age' = 38, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).
Advertencia: Para 'age' = 38, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 39, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).
Advertencia: Para 'age' = 39, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 49, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).
Advertencia: Para 'age' = 49, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 50, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).
Advertencia: Para 'age' = 50, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 51, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).
Advertencia: Para 'age' = 51, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 52, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).
Advertencia: Para 'age' = 52, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 54, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).
Advertencia: Para 'age' = 54, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 58, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).
Advertencia: Para 'age' = 58, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 20, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 20, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 21, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 21, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 23, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (97.37%).
Advertencia: Para 'age' = 23, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (2.63%).
Nota: Para 'age' = 24, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (97.14%).
Advertencia: Para 'age' = 24, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (2.86%).
Nota: Para 'age' = 25, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (97.06%).
Advertencia: Para 'age' = 25, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (2.94%).
Nota: Para 'age' = 27, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (95.56%).
Advertencia: Para 'age' = 27, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (4.44%).
Nota: Para 'age' = 28, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 28, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 29, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (96.55%).
Advertencia: Para 'age' = 29, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (3.45%).
Nota: Para 'age' = 31, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (96.67%).
Advertencia: Para 'age' = 31, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (3.33%).
Nota: Para 'age' = 33, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 33, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 35, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (96.97%).
Advertencia: Para 'age' = 35, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (3.03%).
Nota: Para 'age' = 36, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (96.55%).
Advertencia: Para 'age' = 36, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (3.45%).
Nota: Para 'age' = 37, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (96.30%).
Advertencia: Para 'age' = 37, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (3.70%).
Nota: Para 'age' = 38, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 38, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 41, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 41, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 42, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 42, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 43, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 43, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 44, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 44, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 47, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 47, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 48, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 48, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 51, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 51, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 52, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 52, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 54, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 54, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 57, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 57, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 58, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 58, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 61, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 61, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 63, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 63, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 66, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 66, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'purpose__coche nuevo' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'purpose__coche nuevo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 55, casi todos pertenecen a 'purpose__coche nuevo' = 0 (100.00%).
Advertencia: Para 'age' = 55, la proporción de 'purpose__coche nuevo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'purpose__coche nuevo' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'purpose__coche nuevo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 58, casi todos pertenecen a 'purpose__coche nuevo' = 0 (100.00%).
Advertencia: Para 'age' = 58, la proporción de 'purpose__coche nuevo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 61, casi todos pertenecen a 'purpose__coche nuevo' = 0 (100.00%).
Advertencia: Para 'age' = 61, la proporción de 'purpose__coche nuevo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'purpose__coche nuevo' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'purpose__coche nuevo' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 68, la proporción de 'purpose__coche nuevo' = 0 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'purpose__coche nuevo' = 1 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'purpose__coche nuevo' = 0 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'purpose__coche nuevo' = 1 (100.00%).
Nota: Para 'age' = 22, casi todos pertenecen a 'purpose__coche usado' = 0 (96.00%).
Advertencia: Para 'age' = 22, la proporción de 'purpose__coche usado' = 1 es muy baja (4.00%).
Nota: Para 'age' = 25, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).
Advertencia: Para 'age' = 25, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 32, casi todos pertenecen a 'purpose__coche usado' = 0 (96.43%).
Advertencia: Para 'age' = 32, la proporción de 'purpose__coche usado' = 1 es muy baja (3.57%).
Nota: Para 'age' = 33, casi todos pertenecen a 'purpose__coche usado' = 0 (96.15%).
Advertencia: Para 'age' = 33, la proporción de 'purpose__coche usado' = 1 es muy baja (3.85%).
Nota: Para 'age' = 37, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).
Advertencia: Para 'age' = 37, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 52, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).
Advertencia: Para 'age' = 52, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 54, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).
Advertencia: Para 'age' = 54, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 57, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).
Advertencia: Para 'age' = 57, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 61, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).
Advertencia: Para 'age' = 61, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 20, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 20, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 21, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 21, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 22, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 22, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 24, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 24, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 25, casi todos pertenecen a 'purpose__educación' = 0 (97.06%).
Advertencia: Para 'age' = 25, la proporción de 'purpose__educación' = 1 es muy baja (2.94%).
Nota: Para 'age' = 26, casi todos pertenecen a 'purpose__educación' = 0 (97.22%).
Advertencia: Para 'age' = 26, la proporción de 'purpose__educación' = 1 es muy baja (2.78%).
Nota: Para 'age' = 27, casi todos pertenecen a 'purpose__educación' = 0 (95.56%).
Advertencia: Para 'age' = 27, la proporción de 'purpose__educación' = 1 es muy baja (4.44%).
Nota: Para 'age' = 28, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 28, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 29, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 29, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 30, casi todos pertenecen a 'purpose__educación' = 0 (96.97%).
Advertencia: Para 'age' = 30, la proporción de 'purpose__educación' = 1 es muy baja (3.03%).
Nota: Para 'age' = 31, casi todos pertenecen a 'purpose__educación' = 0 (96.67%).
Advertencia: Para 'age' = 31, la proporción de 'purpose__educación' = 1 es muy baja (3.33%).
Nota: Para 'age' = 34, casi todos pertenecen a 'purpose__educación' = 0 (96.00%).
Advertencia: Para 'age' = 34, la proporción de 'purpose__educación' = 1 es muy baja (4.00%).
Nota: Para 'age' = 36, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 36, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 38, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 38, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 39, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 39, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 43, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 43, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 44, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 44, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 45, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 45, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 47, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 47, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 48, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 48, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 51, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 51, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 55, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 55, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 57, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 57, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 58, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 58, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 63, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 63, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 66, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 66, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'age' = 20, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 20, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 21, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 21, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 22, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (96.00%).
Advertencia: Para 'age' = 22, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (4.00%).
Nota: Para 'age' = 23, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (97.37%).
Advertencia: Para 'age' = 23, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (2.63%).
Nota: Para 'age' = 25, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 25, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 26, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 26, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 27, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (97.78%).
Advertencia: Para 'age' = 27, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (2.22%).
Nota: Para 'age' = 28, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 28, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 29, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 29, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 30, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 30, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 31, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 31, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 32, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 32, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 33, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 33, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 34, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 34, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 35, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 35, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 36, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 36, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 37, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (96.30%).
Advertencia: Para 'age' = 37, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (3.70%).
Nota: Para 'age' = 38, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 38, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 39, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 39, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 40, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 40, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 41, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 41, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 42, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 42, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 43, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 43, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 44, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 44, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 45, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 45, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 46, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 46, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 47, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 47, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 48, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 48, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 49, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 49, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 50, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 50, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 51, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 51, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 52, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 52, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 55, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 55, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 57, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 57, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 58, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 58, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 61, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 61, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 63, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 63, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 66, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 66, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'age' = 52, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).
Advertencia: Para 'age' = 52, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 54, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).
Advertencia: Para 'age' = 54, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 58, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).
Advertencia: Para 'age' = 58, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 61, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).
Advertencia: Para 'age' = 61, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 66, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).
Advertencia: Para 'age' = 66, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 20, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).
Advertencia: Para 'age' = 20, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).
Nota: Para 'age' = 22, casi todos pertenecen a 'purpose__negocios' = 0 (96.00%).
Advertencia: Para 'age' = 22, la proporción de 'purpose__negocios' = 1 es muy baja (4.00%).
Nota: Para 'age' = 35, casi todos pertenecen a 'purpose__negocios' = 0 (96.97%).
Advertencia: Para 'age' = 35, la proporción de 'purpose__negocios' = 1 es muy baja (3.03%).
Nota: Para 'age' = 45, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).
Advertencia: Para 'age' = 45, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).
Nota: Para 'age' = 47, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).
Advertencia: Para 'age' = 47, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).
Nota: Para 'age' = 48, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).
Advertencia: Para 'age' = 48, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).
Nota: Para 'age' = 49, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).
Advertencia: Para 'age' = 49, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).
Nota: Para 'age' = 51, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).
Advertencia: Para 'age' = 51, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).
Nota: Para 'age' = 52, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).
Advertencia: Para 'age' = 52, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).
Nota: Para 'age' = 54, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).
Advertencia: Para 'age' = 54, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).
Nota: Para 'age' = 55, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).
Advertencia: Para 'age' = 55, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).
Nota: Para 'age' = 20, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 20, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 21, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 21, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 22, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 22, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 23, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 23, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 24, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 24, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 25, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 25, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 26, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 26, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 27, casi todos pertenecen a 'purpose__otros' = 0 (97.78%).
Advertencia: Para 'age' = 27, la proporción de 'purpose__otros' = 1 es muy baja (2.22%).
Nota: Para 'age' = 28, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 28, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 29, casi todos pertenecen a 'purpose__otros' = 0 (96.55%).
Advertencia: Para 'age' = 29, la proporción de 'purpose__otros' = 1 es muy baja (3.45%).
Nota: Para 'age' = 30, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 30, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 31, casi todos pertenecen a 'purpose__otros' = 0 (96.67%).
Advertencia: Para 'age' = 31, la proporción de 'purpose__otros' = 1 es muy baja (3.33%).
Nota: Para 'age' = 32, casi todos pertenecen a 'purpose__otros' = 0 (96.43%).
Advertencia: Para 'age' = 32, la proporción de 'purpose__otros' = 1 es muy baja (3.57%).
Nota: Para 'age' = 33, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 33, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 34, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 34, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 35, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 35, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 36, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 36, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 37, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 37, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 38, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 38, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 41, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 41, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 42, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 42, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 43, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 43, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 44, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 44, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 45, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 45, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 46, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 46, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 47, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 47, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 48, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 48, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 49, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 49, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 50, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 50, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 52, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 52, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 54, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 54, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 55, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 55, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 57, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 57, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 61, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 61, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 63, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 63, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 66, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 66, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'age' = 55, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).
Advertencia: Para 'age' = 55, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 67, la proporción de 'purpose__radio/TV' = 0 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'purpose__radio/TV' = 1 (100.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).
Nota: Para 'age' = 20, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 20, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 21, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 21, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 24, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 24, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 25, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.06%).
Advertencia: Para 'age' = 25, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.94%).
Nota: Para 'age' = 26, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 26, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 27, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.78%).
Advertencia: Para 'age' = 27, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.22%).
Nota: Para 'age' = 28, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.30%).
Advertencia: Para 'age' = 28, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.70%).
Nota: Para 'age' = 29, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 29, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 30, casi todos pertenecen a 'purpose__reparaciones' = 0 (96.97%).
Advertencia: Para 'age' = 30, la proporción de 'purpose__reparaciones' = 1 es muy baja (3.03%).
Nota: Para 'age' = 31, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 31, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 32, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 32, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 34, casi todos pertenecen a 'purpose__reparaciones' = 0 (96.00%).
Advertencia: Para 'age' = 34, la proporción de 'purpose__reparaciones' = 1 es muy baja (4.00%).
Nota: Para 'age' = 35, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 35, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 36, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 36, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 37, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 37, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 39, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 39, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 40, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 40, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 41, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 41, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 42, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 42, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 43, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 43, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 45, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 45, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 46, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 46, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 47, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 47, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 49, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 49, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 50, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 50, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 51, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 51, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 52, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 52, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 54, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 54, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 57, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 57, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 58, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 58, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 63, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 63, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 66, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 66, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'age' = 20, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 20, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 22, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 22, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 23, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 23, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 24, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 24, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 25, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 25, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 26, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 26, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 27, casi todos pertenecen a 'purpose__retraining' = 0 (97.78%).
Advertencia: Para 'age' = 27, la proporción de 'purpose__retraining' = 1 es muy baja (2.22%).
Nota: Para 'age' = 28, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 28, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 29, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 29, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 30, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 30, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 31, casi todos pertenecen a 'purpose__retraining' = 0 (96.67%).
Advertencia: Para 'age' = 31, la proporción de 'purpose__retraining' = 1 es muy baja (3.33%).
Nota: Para 'age' = 32, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 32, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 33, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 33, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 34, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 34, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 35, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 35, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 36, casi todos pertenecen a 'purpose__retraining' = 0 (96.55%).
Advertencia: Para 'age' = 36, la proporción de 'purpose__retraining' = 1 es muy baja (3.45%).
Nota: Para 'age' = 37, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 37, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 41, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 41, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 42, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 42, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 43, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 43, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 44, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 44, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 45, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 45, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 46, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 46, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 47, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 47, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 48, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 48, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 49, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 49, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 50, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 50, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 51, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 51, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 52, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 52, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 54, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 54, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 55, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 55, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 57, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 57, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 58, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 58, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 61, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 61, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 63, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 63, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 66, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 66, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'age' = 21, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'age' = 21, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 22, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (96.00%).
Advertencia: Para 'age' = 22, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (4.00%).
Nota: Para 'age' = 25, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (97.06%).
Advertencia: Para 'age' = 25, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (2.94%).
Nota: Para 'age' = 27, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (97.78%).
Advertencia: Para 'age' = 27, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (2.22%).
Nota: Para 'age' = 29, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (96.55%).
Advertencia: Para 'age' = 29, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (3.45%).
Nota: Para 'age' = 31, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (96.67%).
Advertencia: Para 'age' = 31, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (3.33%).
Nota: Para 'age' = 33, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'age' = 33, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 34, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'age' = 34, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 38, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'age' = 38, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 41, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'age' = 41, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 43, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'age' = 43, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 48, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'age' = 48, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 49, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'age' = 49, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 54, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'age' = 54, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 55, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'age' = 55, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 57, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'age' = 57, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 58, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'age' = 58, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 61, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'age' = 61, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 63, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'age' = 63, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 21, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 21, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 22, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 22, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 23, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 23, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 24, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 24, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 25, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 25, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 26, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 26, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 29, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.55%).
Advertencia: Para 'age' = 29, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.45%).
Nota: Para 'age' = 30, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.97%).
Advertencia: Para 'age' = 30, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.03%).
Nota: Para 'age' = 31, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.67%).
Advertencia: Para 'age' = 31, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.33%).
Nota: Para 'age' = 33, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 33, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 35, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.97%).
Advertencia: Para 'age' = 35, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.03%).
Nota: Para 'age' = 37, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.30%).
Advertencia: Para 'age' = 37, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.70%).
Nota: Para 'age' = 39, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 39, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 40, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 40, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 42, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 42, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 44, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 44, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 45, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 45, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 47, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 47, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 48, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 48, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 49, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 49, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 51, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 51, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 52, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 52, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 58, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 58, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 63, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 63, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 66, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 66, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 20, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).
Advertencia: Para 'age' = 20, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 36, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (96.55%).
Advertencia: Para 'age' = 36, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (3.45%).
Nota: Para 'age' = 37, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (96.30%).
Advertencia: Para 'age' = 37, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (3.70%).
Nota: Para 'age' = 44, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).
Advertencia: Para 'age' = 44, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 46, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).
Advertencia: Para 'age' = 46, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 54, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).
Advertencia: Para 'age' = 54, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 55, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).
Advertencia: Para 'age' = 55, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 58, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).
Advertencia: Para 'age' = 58, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 63, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).
Advertencia: Para 'age' = 63, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 66, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).
Advertencia: Para 'age' = 66, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 22, casi todos pertenecen a 'savings__saldo positivo superior a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 22, la proporción de 'savings__saldo positivo superior a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 28, casi todos pertenecen a 'savings__saldo positivo superior a 1000 DM' = 0 (97.30%).
Advertencia: Para 'age' = 28, la proporción de 'savings__saldo positivo superior a 1000 DM' = 1 es muy baja (2.70%).
Nota: Para 'age' = 54, casi todos pertenecen a 'savings__saldo positivo superior a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 54, la proporción de 'savings__saldo positivo superior a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'savings__saldo positivo superior a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'savings__saldo positivo superior a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'savings__saldo positivo superior a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'savings__saldo positivo superior a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 66, casi todos pertenecen a 'savings__saldo positivo superior a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 66, la proporción de 'savings__saldo positivo superior a 1000 DM' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 67, la proporción de 'savings__saldo positivo superior a 1000 DM' = 0 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'savings__saldo positivo superior a 1000 DM' = 1 (100.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'savings__saldo positivo superior a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'savings__saldo positivo superior a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'savings__saldo positivo superior a 1000 DM' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'savings__saldo positivo superior a 1000 DM' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 56, la proporción de 'savings__sin cuenta de ahorros' = 0 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'savings__sin cuenta de ahorros' = 1 (100.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'savings__sin cuenta de ahorros' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'savings__sin cuenta de ahorros' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 70, la proporción de 'savings__sin cuenta de ahorros' = 0 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'savings__sin cuenta de ahorros' = 1 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'savings__sin cuenta de ahorros' = 0 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'savings__sin cuenta de ahorros' = 1 (100.00%).
Nota: Para 'age' = 20, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'age' = 20, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 21, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'age' = 21, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 23, casi todos pertenecen a 'employ__desempleado' = 0 (97.37%).
Advertencia: Para 'age' = 23, la proporción de 'employ__desempleado' = 1 es muy baja (2.63%).
Nota: Para 'age' = 24, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'age' = 24, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 25, casi todos pertenecen a 'employ__desempleado' = 0 (97.06%).
Advertencia: Para 'age' = 25, la proporción de 'employ__desempleado' = 1 es muy baja (2.94%).
Nota: Para 'age' = 26, casi todos pertenecen a 'employ__desempleado' = 0 (97.22%).
Advertencia: Para 'age' = 26, la proporción de 'employ__desempleado' = 1 es muy baja (2.78%).
Nota: Para 'age' = 28, casi todos pertenecen a 'employ__desempleado' = 0 (97.30%).
Advertencia: Para 'age' = 28, la proporción de 'employ__desempleado' = 1 es muy baja (2.70%).
Nota: Para 'age' = 31, casi todos pertenecen a 'employ__desempleado' = 0 (96.67%).
Advertencia: Para 'age' = 31, la proporción de 'employ__desempleado' = 1 es muy baja (3.33%).
Nota: Para 'age' = 32, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'age' = 32, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 35, casi todos pertenecen a 'employ__desempleado' = 0 (96.97%).
Advertencia: Para 'age' = 35, la proporción de 'employ__desempleado' = 1 es muy baja (3.03%).
Nota: Para 'age' = 37, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'age' = 37, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 39, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'age' = 39, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 41, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'age' = 41, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 44, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'age' = 44, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 45, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'age' = 45, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 46, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'age' = 46, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 48, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'age' = 48, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 49, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'age' = 49, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 50, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'age' = 50, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 51, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'age' = 51, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 52, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'age' = 52, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 58, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'age' = 58, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 61, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'age' = 61, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 63, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'age' = 63, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 70, la proporción de 'employ__desempleado' = 0 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'employ__desempleado' = 1 (100.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 75, la proporción de 'employ__desempleado' = 0 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'employ__desempleado' = 1 (100.00%).
Nota: Para 'age' = 51, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 0 (100.00%).
Advertencia: Para 'age' = 51, la proporción de 'employ__empleado de 1 a 4 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 55, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 0 (100.00%).
Advertencia: Para 'age' = 55, la proporción de 'employ__empleado de 1 a 4 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'employ__empleado de 1 a 4 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 57, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 0 (100.00%).
Advertencia: Para 'age' = 57, la proporción de 'employ__empleado de 1 a 4 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 58, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 0 (100.00%).
Advertencia: Para 'age' = 58, la proporción de 'employ__empleado de 1 a 4 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'employ__empleado de 1 a 4 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 0 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'employ__empleado de 1 a 4 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'employ__empleado de 1 a 4 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'employ__empleado de 1 a 4 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'employ__empleado de 1 a 4 años' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 74, la proporción de 'employ__empleado de 1 a 4 años' = 0 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 1 (100.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'employ__empleado de 1 a 4 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 44, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).
Advertencia: Para 'age' = 44, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 46, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).
Advertencia: Para 'age' = 46, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 48, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).
Advertencia: Para 'age' = 48, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 52, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).
Advertencia: Para 'age' = 52, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 54, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).
Advertencia: Para 'age' = 54, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 57, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).
Advertencia: Para 'age' = 57, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 63, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).
Advertencia: Para 'age' = 63, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 66, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).
Advertencia: Para 'age' = 66, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 36, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (96.55%).
Advertencia: Para 'age' = 36, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (3.45%).
Nota: Para 'age' = 42, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).
Advertencia: Para 'age' = 42, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).
Nota: Para 'age' = 47, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).
Advertencia: Para 'age' = 47, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).
Nota: Para 'age' = 50, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).
Advertencia: Para 'age' = 50, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).
Nota: Para 'age' = 51, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).
Advertencia: Para 'age' = 51, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).
Nota: Para 'age' = 52, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).
Advertencia: Para 'age' = 52, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).
Nota: Para 'age' = 54, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).
Advertencia: Para 'age' = 54, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).
Nota: Para 'age' = 55, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).
Advertencia: Para 'age' = 55, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).
Nota: Para 'age' = 57, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).
Advertencia: Para 'age' = 57, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).
Nota: Para 'age' = 61, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).
Advertencia: Para 'age' = 61, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).
Nota: Para 'age' = 63, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).
Advertencia: Para 'age' = 63, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).
Nota: Para 'age' = 66, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).
Advertencia: Para 'age' = 66, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).
Nota: Para 'age' = 21, casi todos pertenecen a 'employ__empleado más de 7 años' = 0 (100.00%).
Advertencia: Para 'age' = 21, la proporción de 'employ__empleado más de 7 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 22, casi todos pertenecen a 'employ__empleado más de 7 años' = 0 (100.00%).
Advertencia: Para 'age' = 22, la proporción de 'employ__empleado más de 7 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 27, casi todos pertenecen a 'employ__empleado más de 7 años' = 0 (95.56%).
Advertencia: Para 'age' = 27, la proporción de 'employ__empleado más de 7 años' = 1 es muy baja (4.44%).
Advertencia: Para 'age' = 56, la proporción de 'employ__empleado más de 7 años' = 0 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'employ__empleado más de 7 años' = 1 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'employ__empleado más de 7 años' = 0 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'employ__empleado más de 7 años' = 1 (100.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'employ__empleado más de 7 años' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'employ__empleado más de 7 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'employ__empleado más de 7 años' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'employ__empleado más de 7 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'employ__empleado más de 7 años' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'employ__empleado más de 7 años' = 1 es muy baja (0.00%).
Nota: Para 'age' = 22, casi todos pertenecen a 'others__co-deudor' = 0 (96.00%).
Advertencia: Para 'age' = 22, la proporción de 'others__co-deudor' = 1 es muy baja (4.00%).
Nota: Para 'age' = 23, casi todos pertenecen a 'others__co-deudor' = 0 (97.37%).
Advertencia: Para 'age' = 23, la proporción de 'others__co-deudor' = 1 es muy baja (2.63%).
Nota: Para 'age' = 25, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'age' = 25, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'age' = 26, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'age' = 26, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'age' = 28, casi todos pertenecen a 'others__co-deudor' = 0 (97.30%).
Advertencia: Para 'age' = 28, la proporción de 'others__co-deudor' = 1 es muy baja (2.70%).
Nota: Para 'age' = 30, casi todos pertenecen a 'others__co-deudor' = 0 (96.97%).
Advertencia: Para 'age' = 30, la proporción de 'others__co-deudor' = 1 es muy baja (3.03%).
Nota: Para 'age' = 31, casi todos pertenecen a 'others__co-deudor' = 0 (96.67%).
Advertencia: Para 'age' = 31, la proporción de 'others__co-deudor' = 1 es muy baja (3.33%).
Nota: Para 'age' = 32, casi todos pertenecen a 'others__co-deudor' = 0 (96.43%).
Advertencia: Para 'age' = 32, la proporción de 'others__co-deudor' = 1 es muy baja (3.57%).
Nota: Para 'age' = 33, casi todos pertenecen a 'others__co-deudor' = 0 (96.15%).
Advertencia: Para 'age' = 33, la proporción de 'others__co-deudor' = 1 es muy baja (3.85%).
Nota: Para 'age' = 34, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'age' = 34, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'age' = 35, casi todos pertenecen a 'others__co-deudor' = 0 (96.97%).
Advertencia: Para 'age' = 35, la proporción de 'others__co-deudor' = 1 es muy baja (3.03%).
Nota: Para 'age' = 37, casi todos pertenecen a 'others__co-deudor' = 0 (96.30%).
Advertencia: Para 'age' = 37, la proporción de 'others__co-deudor' = 1 es muy baja (3.70%).
Nota: Para 'age' = 40, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'age' = 40, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'age' = 41, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'age' = 41, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'age' = 44, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'age' = 44, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'age' = 47, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'age' = 47, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'age' = 48, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'age' = 48, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'age' = 51, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'age' = 51, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'age' = 52, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'age' = 52, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'age' = 54, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'age' = 54, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'age' = 55, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'age' = 55, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'age' = 57, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'age' = 57, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'age' = 58, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'age' = 58, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'age' = 61, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'age' = 61, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'age' = 63, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'age' = 63, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'age' = 66, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'age' = 66, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'age' = 20, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'age' = 20, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'age' = 24, casi todos pertenecen a 'others__garante' = 0 (97.14%).
Advertencia: Para 'age' = 24, la proporción de 'others__garante' = 1 es muy baja (2.86%).
Nota: Para 'age' = 27, casi todos pertenecen a 'others__garante' = 0 (97.78%).
Advertencia: Para 'age' = 27, la proporción de 'others__garante' = 1 es muy baja (2.22%).
Nota: Para 'age' = 30, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'age' = 30, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'age' = 31, casi todos pertenecen a 'others__garante' = 0 (96.67%).
Advertencia: Para 'age' = 31, la proporción de 'others__garante' = 1 es muy baja (3.33%).
Nota: Para 'age' = 35, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'age' = 35, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'age' = 36, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'age' = 36, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'age' = 41, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'age' = 41, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'age' = 42, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'age' = 42, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'age' = 44, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'age' = 44, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'age' = 47, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'age' = 47, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'age' = 50, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'age' = 50, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'age' = 51, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'age' = 51, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'age' = 52, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'age' = 52, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'age' = 54, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'age' = 54, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'age' = 55, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'age' = 55, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'age' = 57, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'age' = 57, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'age' = 61, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'age' = 61, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'age' = 66, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'age' = 66, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 30, la proporción de 'others__ninguno' = 0 es muy baja (3.03%).
Nota: Para 'age' = 30, casi todos pertenecen a 'others__ninguno' = 1 (96.97%).
Advertencia: Para 'age' = 35, la proporción de 'others__ninguno' = 0 es muy baja (3.03%).
Nota: Para 'age' = 35, casi todos pertenecen a 'others__ninguno' = 1 (96.97%).
Advertencia: Para 'age' = 41, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).
Nota: Para 'age' = 41, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).
Advertencia: Para 'age' = 44, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).
Nota: Para 'age' = 44, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).
Advertencia: Para 'age' = 47, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).
Nota: Para 'age' = 47, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).
Advertencia: Para 'age' = 51, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).
Nota: Para 'age' = 51, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).
Advertencia: Para 'age' = 52, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).
Nota: Para 'age' = 52, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).
Advertencia: Para 'age' = 54, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).
Nota: Para 'age' = 54, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).
Advertencia: Para 'age' = 55, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).
Nota: Para 'age' = 55, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).
Advertencia: Para 'age' = 57, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).
Nota: Para 'age' = 57, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).
Advertencia: Para 'age' = 61, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).
Nota: Para 'age' = 61, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).
Advertencia: Para 'age' = 66, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).
Nota: Para 'age' = 66, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).
Nota: Para 'age' = 47, casi todos pertenecen a 'property__automóvil' = 0 (100.00%).
Advertencia: Para 'age' = 47, la proporción de 'property__automóvil' = 1 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'property__automóvil' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'property__automóvil' = 1 es muy baja (0.00%).
Nota: Para 'age' = 55, casi todos pertenecen a 'property__automóvil' = 0 (100.00%).
Advertencia: Para 'age' = 55, la proporción de 'property__automóvil' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'property__automóvil' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'property__automóvil' = 1 es muy baja (0.00%).
Nota: Para 'age' = 57, casi todos pertenecen a 'property__automóvil' = 0 (100.00%).
Advertencia: Para 'age' = 57, la proporción de 'property__automóvil' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'property__automóvil' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'property__automóvil' = 1 es muy baja (0.00%).
Nota: Para 'age' = 66, casi todos pertenecen a 'property__automóvil' = 0 (100.00%).
Advertencia: Para 'age' = 66, la proporción de 'property__automóvil' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'property__automóvil' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'property__automóvil' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'property__automóvil' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'property__automóvil' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'property__automóvil' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'property__automóvil' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'property__automóvil' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'property__automóvil' = 1 es muy baja (0.00%).
Nota: Para 'age' = 51, casi todos pertenecen a 'property__bienes inmuebles' = 0 (100.00%).
Advertencia: Para 'age' = 51, la proporción de 'property__bienes inmuebles' = 1 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'property__bienes inmuebles' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'property__bienes inmuebles' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 67, la proporción de 'property__bienes inmuebles' = 0 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'property__bienes inmuebles' = 1 (100.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'property__bienes inmuebles' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'property__bienes inmuebles' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'property__bienes inmuebles' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'property__bienes inmuebles' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 74, la proporción de 'property__bienes inmuebles' = 0 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'property__bienes inmuebles' = 1 (100.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'property__bienes inmuebles' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'property__bienes inmuebles' = 1 es muy baja (0.00%).
Nota: Para 'age' = 44, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).
Advertencia: Para 'age' = 44, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).
Nota: Para 'age' = 54, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).
Advertencia: Para 'age' = 54, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).
Nota: Para 'age' = 58, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).
Advertencia: Para 'age' = 58, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).
Nota: Para 'age' = 66, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).
Advertencia: Para 'age' = 66, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).
Nota: Para 'age' = 21, casi todos pertenecen a 'property__sin propiedad' = 0 (100.00%).
Advertencia: Para 'age' = 21, la proporción de 'property__sin propiedad' = 1 es muy baja (0.00%).
Nota: Para 'age' = 25, casi todos pertenecen a 'property__sin propiedad' = 0 (97.06%).
Advertencia: Para 'age' = 25, la proporción de 'property__sin propiedad' = 1 es muy baja (2.94%).
Nota: Para 'age' = 26, casi todos pertenecen a 'property__sin propiedad' = 0 (97.22%).
Advertencia: Para 'age' = 26, la proporción de 'property__sin propiedad' = 1 es muy baja (2.78%).
Nota: Para 'age' = 31, casi todos pertenecen a 'property__sin propiedad' = 0 (96.67%).
Advertencia: Para 'age' = 31, la proporción de 'property__sin propiedad' = 1 es muy baja (3.33%).
Nota: Para 'age' = 43, casi todos pertenecen a 'property__sin propiedad' = 0 (100.00%).
Advertencia: Para 'age' = 43, la proporción de 'property__sin propiedad' = 1 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'property__sin propiedad' = 0 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'property__sin propiedad' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'property__sin propiedad' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'property__sin propiedad' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'property__sin propiedad' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'property__sin propiedad' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 70, la proporción de 'property__sin propiedad' = 0 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'property__sin propiedad' = 1 (100.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'property__sin propiedad' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'property__sin propiedad' = 1 es muy baja (0.00%).
Nota: Para 'age' = 20, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).
Advertencia: Para 'age' = 20, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).
Nota: Para 'age' = 24, casi todos pertenecen a 'otherplans__banco' = 0 (97.14%).
Advertencia: Para 'age' = 24, la proporción de 'otherplans__banco' = 1 es muy baja (2.86%).
Nota: Para 'age' = 26, casi todos pertenecen a 'otherplans__banco' = 0 (97.22%).
Advertencia: Para 'age' = 26, la proporción de 'otherplans__banco' = 1 es muy baja (2.78%).
Nota: Para 'age' = 27, casi todos pertenecen a 'otherplans__banco' = 0 (97.78%).
Advertencia: Para 'age' = 27, la proporción de 'otherplans__banco' = 1 es muy baja (2.22%).
Nota: Para 'age' = 28, casi todos pertenecen a 'otherplans__banco' = 0 (97.30%).
Advertencia: Para 'age' = 28, la proporción de 'otherplans__banco' = 1 es muy baja (2.70%).
Nota: Para 'age' = 29, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).
Advertencia: Para 'age' = 29, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).
Nota: Para 'age' = 33, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).
Advertencia: Para 'age' = 33, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).
Nota: Para 'age' = 35, casi todos pertenecen a 'otherplans__banco' = 0 (96.97%).
Advertencia: Para 'age' = 35, la proporción de 'otherplans__banco' = 1 es muy baja (3.03%).
Nota: Para 'age' = 44, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).
Advertencia: Para 'age' = 44, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).
Nota: Para 'age' = 46, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).
Advertencia: Para 'age' = 46, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).
Nota: Para 'age' = 50, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).
Advertencia: Para 'age' = 50, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).
Nota: Para 'age' = 51, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).
Advertencia: Para 'age' = 51, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).
Nota: Para 'age' = 52, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).
Advertencia: Para 'age' = 52, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).
Nota: Para 'age' = 54, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).
Advertencia: Para 'age' = 54, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).
Nota: Para 'age' = 55, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).
Advertencia: Para 'age' = 55, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).
Nota: Para 'age' = 63, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).
Advertencia: Para 'age' = 63, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).
Nota: Para 'age' = 66, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).
Advertencia: Para 'age' = 66, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).
Nota: Para 'age' = 21, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).
Advertencia: Para 'age' = 21, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).
Nota: Para 'age' = 34, casi todos pertenecen a 'otherplans__ninguno' = 0 (96.00%).
Advertencia: Para 'age' = 34, la proporción de 'otherplans__ninguno' = 1 es muy baja (4.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).
Nota: Para 'age' = 58, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).
Advertencia: Para 'age' = 58, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 70, la proporción de 'otherplans__ninguno' = 0 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'otherplans__ninguno' = 1 (100.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 53, la proporción de 'otherplans__tiendas' = 0 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'otherplans__tiendas' = 1 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'otherplans__tiendas' = 0 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'otherplans__tiendas' = 1 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'otherplans__tiendas' = 0 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'otherplans__tiendas' = 1 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'otherplans__tiendas' = 0 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'otherplans__tiendas' = 1 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'otherplans__tiendas' = 0 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'otherplans__tiendas' = 1 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'otherplans__tiendas' = 0 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'otherplans__tiendas' = 1 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'otherplans__tiendas' = 0 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'otherplans__tiendas' = 1 (100.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'otherplans__tiendas' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'otherplans__tiendas' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 74, la proporción de 'otherplans__tiendas' = 0 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'otherplans__tiendas' = 1 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'otherplans__tiendas' = 0 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'otherplans__tiendas' = 1 (100.00%).
Nota: Para 'age' = 34, casi todos pertenecen a 'housing__alquiler' = 0 (96.00%).
Advertencia: Para 'age' = 34, la proporción de 'housing__alquiler' = 1 es muy baja (4.00%).
Nota: Para 'age' = 38, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).
Advertencia: Para 'age' = 38, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).
Nota: Para 'age' = 45, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).
Advertencia: Para 'age' = 45, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).
Nota: Para 'age' = 47, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).
Advertencia: Para 'age' = 47, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).
Nota: Para 'age' = 51, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).
Advertencia: Para 'age' = 51, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).
Nota: Para 'age' = 52, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).
Advertencia: Para 'age' = 52, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).
Nota: Para 'age' = 55, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).
Advertencia: Para 'age' = 55, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).
Nota: Para 'age' = 63, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).
Advertencia: Para 'age' = 63, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).
Nota: Para 'age' = 66, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).
Advertencia: Para 'age' = 66, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).
Nota: Para 'age' = 20, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).
Advertencia: Para 'age' = 20, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).
Nota: Para 'age' = 21, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).
Advertencia: Para 'age' = 21, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).
Nota: Para 'age' = 23, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).
Advertencia: Para 'age' = 23, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).
Nota: Para 'age' = 24, casi todos pertenecen a 'housing__gratis' = 0 (97.14%).
Advertencia: Para 'age' = 24, la proporción de 'housing__gratis' = 1 es muy baja (2.86%).
Nota: Para 'age' = 25, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).
Advertencia: Para 'age' = 25, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).
Nota: Para 'age' = 26, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).
Advertencia: Para 'age' = 26, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).
Nota: Para 'age' = 27, casi todos pertenecen a 'housing__gratis' = 0 (95.56%).
Advertencia: Para 'age' = 27, la proporción de 'housing__gratis' = 1 es muy baja (4.44%).
Nota: Para 'age' = 28, casi todos pertenecen a 'housing__gratis' = 0 (97.30%).
Advertencia: Para 'age' = 28, la proporción de 'housing__gratis' = 1 es muy baja (2.70%).
Nota: Para 'age' = 29, casi todos pertenecen a 'housing__gratis' = 0 (96.55%).
Advertencia: Para 'age' = 29, la proporción de 'housing__gratis' = 1 es muy baja (3.45%).
Nota: Para 'age' = 31, casi todos pertenecen a 'housing__gratis' = 0 (96.67%).
Advertencia: Para 'age' = 31, la proporción de 'housing__gratis' = 1 es muy baja (3.33%).
Nota: Para 'age' = 33, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).
Advertencia: Para 'age' = 33, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).
Nota: Para 'age' = 40, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).
Advertencia: Para 'age' = 40, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).
Nota: Para 'age' = 41, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).
Advertencia: Para 'age' = 41, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 70, la proporción de 'housing__gratis' = 0 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'housing__gratis' = 1 (100.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 65, la proporción de 'housing__propietario' = 0 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'housing__propietario' = 1 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'housing__propietario' = 0 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'housing__propietario' = 1 (100.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'housing__propietario' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'housing__propietario' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 74, la proporción de 'housing__propietario' = 0 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'housing__propietario' = 1 (100.00%).
Nota: Para 'age' = 21, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (100.00%).
Advertencia: Para 'age' = 21, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (0.00%).
Nota: Para 'age' = 22, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (100.00%).
Advertencia: Para 'age' = 22, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (0.00%).
Nota: Para 'age' = 23, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (97.37%).
Advertencia: Para 'age' = 23, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (2.63%).
Nota: Para 'age' = 24, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (97.14%).
Advertencia: Para 'age' = 24, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (2.86%).
Nota: Para 'age' = 25, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (97.06%).
Advertencia: Para 'age' = 25, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (2.94%).
Nota: Para 'age' = 48, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (100.00%).
Advertencia: Para 'age' = 48, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (0.00%).
Nota: Para 'age' = 49, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (100.00%).
Advertencia: Para 'age' = 49, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (0.00%).
Nota: Para 'age' = 58, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (100.00%).
Advertencia: Para 'age' = 58, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 70, la proporción de 'job__altamente calificado/funcionario' = 0 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'job__altamente calificado/funcionario' = 1 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'job__altamente calificado/funcionario' = 0 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'job__altamente calificado/funcionario' = 1 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'job__calificado' = 0 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'job__calificado' = 1 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'job__calificado' = 0 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'job__calificado' = 1 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'job__calificado' = 0 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'job__calificado' = 1 (100.00%).
Nota: Para 'age' = 66, casi todos pertenecen a 'job__calificado' = 0 (100.00%).
Advertencia: Para 'age' = 66, la proporción de 'job__calificado' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 67, la proporción de 'job__calificado' = 0 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'job__calificado' = 1 (100.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'job__calificado' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'job__calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'job__calificado' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'job__calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'job__calificado' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'job__calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 20, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 20, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 21, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 21, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 22, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 22, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 23, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.37%).
Advertencia: Para 'age' = 23, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.63%).
Nota: Para 'age' = 24, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 24, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 25, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.06%).
Advertencia: Para 'age' = 25, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.94%).
Nota: Para 'age' = 27, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (95.56%).
Advertencia: Para 'age' = 27, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (4.44%).
Nota: Para 'age' = 28, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 28, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 29, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (96.55%).
Advertencia: Para 'age' = 29, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (3.45%).
Nota: Para 'age' = 30, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 30, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 31, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 31, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 32, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 32, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 33, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 33, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 34, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 34, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 35, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (96.97%).
Advertencia: Para 'age' = 35, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (3.03%).
Nota: Para 'age' = 36, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 36, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 37, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 37, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 39, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 39, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 41, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 41, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 42, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 42, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 43, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 43, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 44, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 44, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 45, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 45, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 46, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 46, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 47, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 47, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 48, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 48, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 49, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 49, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 50, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 50, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 51, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 51, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 52, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 52, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 57, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 57, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 58, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 58, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 61, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 61, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 63, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 63, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 30, casi todos pertenecen a 'job__no calificado residente' = 0 (96.97%).
Advertencia: Para 'age' = 30, la proporción de 'job__no calificado residente' = 1 es muy baja (3.03%).
Nota: Para 'age' = 53, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).
Nota: Para 'age' = 54, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).
Advertencia: Para 'age' = 54, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).
Nota: Para 'age' = 55, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).
Advertencia: Para 'age' = 55, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 56, la proporción de 'telephone__no' = 0 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'telephone__no' = 1 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'telephone__no' = 0 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'telephone__no' = 1 (100.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'telephone__no' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'telephone__no' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'telephone__no' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'telephone__no' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'telephone__no' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'telephone__no' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'telephone__sí' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'telephone__sí' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'telephone__sí' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'telephone__sí' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 67, la proporción de 'telephone__sí' = 0 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'telephone__sí' = 1 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'telephone__sí' = 0 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'telephone__sí' = 1 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'telephone__sí' = 0 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'telephone__sí' = 1 (100.00%).
Nota: Para 'age' = 31, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (96.67%).
Advertencia: Para 'age' = 31, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (3.33%).
Nota: Para 'age' = 34, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (96.00%).
Advertencia: Para 'age' = 34, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (4.00%).
Nota: Para 'age' = 36, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (96.55%).
Advertencia: Para 'age' = 36, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (3.45%).
Nota: Para 'age' = 37, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 37, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 38, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 38, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 41, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 41, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 42, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 42, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 44, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 44, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 45, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 45, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 49, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 49, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 50, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 50, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 51, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 51, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 52, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 52, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 54, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 54, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 55, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 55, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 57, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 57, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 58, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 58, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 63, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 63, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 66, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 66, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'estado_civil__divorciada/separada/casada' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'estado_civil__divorciada/separada/casada' = 1 es muy baja (0.00%).
Nota: Para 'age' = 60, casi todos pertenecen a 'estado_civil__divorciada/separada/casada' = 0 (100.00%).
Advertencia: Para 'age' = 60, la proporción de 'estado_civil__divorciada/separada/casada' = 1 es muy baja (0.00%).
Nota: Para 'age' = 63, casi todos pertenecen a 'estado_civil__divorciada/separada/casada' = 0 (100.00%).
Advertencia: Para 'age' = 63, la proporción de 'estado_civil__divorciada/separada/casada' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'estado_civil__divorciada/separada/casada' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'estado_civil__divorciada/separada/casada' = 1 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'estado_civil__divorciada/separada/casada' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'estado_civil__divorciada/separada/casada' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'estado_civil__divorciada/separada/casada' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'estado_civil__divorciada/separada/casada' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'estado_civil__divorciada/separada/casada' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'estado_civil__divorciada/separada/casada' = 1 es muy baja (0.00%).
Nota: Para 'age' = 20, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'age' = 20, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 21, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'age' = 21, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 22, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'age' = 22, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 23, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'age' = 23, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 24, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (97.14%).
Advertencia: Para 'age' = 24, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (2.86%).
Nota: Para 'age' = 25, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (97.06%).
Advertencia: Para 'age' = 25, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (2.94%).
Nota: Para 'age' = 27, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (97.78%).
Advertencia: Para 'age' = 27, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (2.22%).
Nota: Para 'age' = 29, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'age' = 29, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 30, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.97%).
Advertencia: Para 'age' = 30, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.03%).
Nota: Para 'age' = 32, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.43%).
Advertencia: Para 'age' = 32, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.57%).
Nota: Para 'age' = 34, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.00%).
Advertencia: Para 'age' = 34, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.00%).
Nota: Para 'age' = 35, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.97%).
Advertencia: Para 'age' = 35, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.03%).
Nota: Para 'age' = 37, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.30%).
Advertencia: Para 'age' = 37, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.70%).
Nota: Para 'age' = 39, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'age' = 39, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 41, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'age' = 41, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 50, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'age' = 50, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 52, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'age' = 52, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 53, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'age' = 53, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 54, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'age' = 54, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 55, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'age' = 55, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'age' = 56, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 57, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'age' = 57, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 58, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'age' = 58, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 59, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'age' = 59, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 63, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'age' = 63, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 64, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'age' = 64, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 65, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'age' = 65, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 66, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'age' = 66, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'age' = 75, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'age' = 75, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 56, la proporción de 'estado_civil__soltero' = 0 es muy baja (0.00%).
Nota: Para 'age' = 56, casi todos pertenecen a 'estado_civil__soltero' = 1 (100.00%).
Nota: Para 'age' = 62, casi todos pertenecen a 'estado_civil__soltero' = 0 (100.00%).
Advertencia: Para 'age' = 62, la proporción de 'estado_civil__soltero' = 1 es muy baja (0.00%).
Advertencia: Para 'age' = 63, la proporción de 'estado_civil__soltero' = 0 es muy baja (0.00%).
Nota: Para 'age' = 63, casi todos pertenecen a 'estado_civil__soltero' = 1 (100.00%).
Advertencia: Para 'age' = 67, la proporción de 'estado_civil__soltero' = 0 es muy baja (0.00%).
Nota: Para 'age' = 67, casi todos pertenecen a 'estado_civil__soltero' = 1 (100.00%).
Advertencia: Para 'age' = 68, la proporción de 'estado_civil__soltero' = 0 es muy baja (0.00%).
Nota: Para 'age' = 68, casi todos pertenecen a 'estado_civil__soltero' = 1 (100.00%).
Advertencia: Para 'age' = 70, la proporción de 'estado_civil__soltero' = 0 es muy baja (0.00%).
Nota: Para 'age' = 70, casi todos pertenecen a 'estado_civil__soltero' = 1 (100.00%).
Advertencia: Para 'age' = 74, la proporción de 'estado_civil__soltero' = 0 es muy baja (0.00%).
Nota: Para 'age' = 74, casi todos pertenecen a 'estado_civil__soltero' = 1 (100.00%).
Nota: Para 'cards' = 1, casi todos pertenecen a 'foreign' = 0 (95.81%).
Advertencia: Para 'cards' = 1, la proporción de 'foreign' = 1 es muy baja (4.19%).
Nota: Para 'cards' = 2, casi todos pertenecen a 'foreign' = 0 (97.81%).
Advertencia: Para 'cards' = 2, la proporción de 'foreign' = 1 es muy baja (2.19%).
Nota: Para 'cards' = 3, casi todos pertenecen a 'foreign' = 0 (95.24%).
Advertencia: Para 'cards' = 3, la proporción de 'foreign' = 1 es muy baja (4.76%).
Nota: Para 'cards' = 4, casi todos pertenecen a 'foreign' = 0 (100.00%).
Advertencia: Para 'cards' = 4, la proporción de 'foreign' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 2, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (95.99%).
Advertencia: Para 'cards' = 2, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (4.01%).
Nota: Para 'cards' = 4, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).
Advertencia: Para 'cards' = 4, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 1, casi todos pertenecen a 'history__no créditos tomados' = 0 (98.00%).
Advertencia: Para 'cards' = 1, la proporción de 'history__no créditos tomados' = 1 es muy baja (2.00%).
Nota: Para 'cards' = 4, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'cards' = 4, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 1, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (96.21%).
Advertencia: Para 'cards' = 1, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (3.79%).
Nota: Para 'cards' = 3, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).
Advertencia: Para 'cards' = 3, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 4, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).
Advertencia: Para 'cards' = 4, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 2, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (97.81%).
Advertencia: Para 'cards' = 2, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (2.19%).
Nota: Para 'cards' = 3, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'cards' = 3, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 4, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'cards' = 4, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 4, casi todos pertenecen a 'purpose__coche nuevo' = 0 (100.00%).
Advertencia: Para 'cards' = 4, la proporción de 'purpose__coche nuevo' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 4, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).
Advertencia: Para 'cards' = 4, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 1, casi todos pertenecen a 'purpose__educación' = 0 (95.01%).
Advertencia: Para 'cards' = 1, la proporción de 'purpose__educación' = 1 es muy baja (4.99%).
Nota: Para 'cards' = 2, casi todos pertenecen a 'purpose__educación' = 0 (95.62%).
Advertencia: Para 'cards' = 2, la proporción de 'purpose__educación' = 1 es muy baja (4.38%).
Nota: Para 'cards' = 3, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'cards' = 3, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 4, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'cards' = 4, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.40%).
Advertencia: Para 'cards' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.60%).
Nota: Para 'cards' = 2, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'cards' = 2, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 3, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'cards' = 3, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 4, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'cards' = 4, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 1, casi todos pertenecen a 'purpose__otros' = 0 (99.20%).
Advertencia: Para 'cards' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.80%).
Nota: Para 'cards' = 2, casi todos pertenecen a 'purpose__otros' = 0 (98.54%).
Advertencia: Para 'cards' = 2, la proporción de 'purpose__otros' = 1 es muy baja (1.46%).
Nota: Para 'cards' = 3, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'cards' = 3, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 4, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'cards' = 4, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (98.20%).
Advertencia: Para 'cards' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (1.80%).
Nota: Para 'cards' = 2, casi todos pertenecen a 'purpose__reparaciones' = 0 (96.35%).
Advertencia: Para 'cards' = 2, la proporción de 'purpose__reparaciones' = 1 es muy baja (3.65%).
Nota: Para 'cards' = 3, casi todos pertenecen a 'purpose__reparaciones' = 0 (95.24%).
Advertencia: Para 'cards' = 3, la proporción de 'purpose__reparaciones' = 1 es muy baja (4.76%).
Nota: Para 'cards' = 4, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'cards' = 4, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (99.20%).
Advertencia: Para 'cards' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.80%).
Nota: Para 'cards' = 2, casi todos pertenecen a 'purpose__retraining' = 0 (98.91%).
Advertencia: Para 'cards' = 2, la proporción de 'purpose__retraining' = 1 es muy baja (1.09%).
Nota: Para 'cards' = 3, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'cards' = 3, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 4, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'cards' = 4, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 2, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (95.99%).
Advertencia: Para 'cards' = 2, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (4.01%).
Nota: Para 'cards' = 4, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'cards' = 4, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.21%).
Advertencia: Para 'cards' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.79%).
Nota: Para 'cards' = 3, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'cards' = 3, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 4, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'cards' = 4, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 3, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (95.24%).
Advertencia: Para 'cards' = 3, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (4.76%).
Nota: Para 'cards' = 3, casi todos pertenecen a 'savings__saldo positivo superior a 1000 DM' = 0 (95.24%).
Advertencia: Para 'cards' = 3, la proporción de 'savings__saldo positivo superior a 1000 DM' = 1 es muy baja (4.76%).
Nota: Para 'cards' = 2, casi todos pertenecen a 'employ__desempleado' = 0 (95.99%).
Advertencia: Para 'cards' = 2, la proporción de 'employ__desempleado' = 1 es muy baja (4.01%).
Nota: Para 'cards' = 4, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'cards' = 4, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 4, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 0 (100.00%).
Advertencia: Para 'cards' = 4, la proporción de 'employ__empleado de 1 a 4 años' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 3, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (95.24%).
Advertencia: Para 'cards' = 3, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (4.76%).
Nota: Para 'cards' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (95.81%).
Advertencia: Para 'cards' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (4.19%).
Nota: Para 'cards' = 3, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'cards' = 3, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 4, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'cards' = 4, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 2, casi todos pertenecen a 'others__garante' = 0 (95.62%).
Advertencia: Para 'cards' = 2, la proporción de 'others__garante' = 1 es muy baja (4.38%).
Nota: Para 'cards' = 3, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'cards' = 3, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 4, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'cards' = 4, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Advertencia: Para 'cards' = 3, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).
Nota: Para 'cards' = 3, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).
Advertencia: Para 'cards' = 4, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).
Nota: Para 'cards' = 4, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).
Nota: Para 'cards' = 3, casi todos pertenecen a 'property__seguro de vida' = 0 (95.24%).
Advertencia: Para 'cards' = 3, la proporción de 'property__seguro de vida' = 1 es muy baja (4.76%).
Nota: Para 'cards' = 4, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).
Advertencia: Para 'cards' = 4, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 4, casi todos pertenecen a 'property__sin propiedad' = 0 (100.00%).
Advertencia: Para 'cards' = 4, la proporción de 'property__sin propiedad' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (95.41%).
Advertencia: Para 'cards' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (4.59%).
Nota: Para 'cards' = 3, casi todos pertenecen a 'otherplans__banco' = 0 (95.24%).
Advertencia: Para 'cards' = 3, la proporción de 'otherplans__banco' = 1 es muy baja (4.76%).
Nota: Para 'cards' = 4, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).
Advertencia: Para 'cards' = 4, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.40%).
Advertencia: Para 'cards' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.60%).
Nota: Para 'cards' = 2, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.54%).
Advertencia: Para 'cards' = 2, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.46%).
Nota: Para 'cards' = 4, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'cards' = 4, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 4, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'cards' = 4, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.01%).
Advertencia: Para 'cards' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.99%).
Nota: Para 'cards' = 3, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'cards' = 3, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'cards' = 4, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'cards' = 4, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'liable' = 1, casi todos pertenecen a 'foreign' = 0 (97.01%).
Advertencia: Para 'liable' = 1, la proporción de 'foreign' = 1 es muy baja (2.99%).
Nota: Para 'liable' = 1, casi todos pertenecen a 'history__no créditos tomados' = 0 (95.96%).
Advertencia: Para 'liable' = 1, la proporción de 'history__no créditos tomados' = 1 es muy baja (4.04%).
Nota: Para 'liable' = 1, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (96.56%).
Advertencia: Para 'liable' = 1, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (3.44%).
Nota: Para 'liable' = 1, casi todos pertenecen a 'purpose__educación' = 0 (95.67%).
Advertencia: Para 'liable' = 1, la proporción de 'purpose__educación' = 1 es muy baja (4.33%).
Nota: Para 'liable' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.80%).
Advertencia: Para 'liable' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.20%).
Nota: Para 'liable' = 2, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'liable' = 2, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'liable' = 1, casi todos pertenecen a 'purpose__otros' = 0 (99.10%).
Advertencia: Para 'liable' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.90%).
Nota: Para 'liable' = 2, casi todos pertenecen a 'purpose__otros' = 0 (98.47%).
Advertencia: Para 'liable' = 2, la proporción de 'purpose__otros' = 1 es muy baja (1.53%).
Nota: Para 'liable' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.61%).
Advertencia: Para 'liable' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.39%).
Nota: Para 'liable' = 2, casi todos pertenecen a 'purpose__reparaciones' = 0 (96.95%).
Advertencia: Para 'liable' = 2, la proporción de 'purpose__reparaciones' = 1 es muy baja (3.05%).
Nota: Para 'liable' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (99.10%).
Advertencia: Para 'liable' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.90%).
Nota: Para 'liable' = 2, casi todos pertenecen a 'purpose__retraining' = 0 (99.24%).
Advertencia: Para 'liable' = 2, la proporción de 'purpose__retraining' = 1 es muy baja (0.76%).
Nota: Para 'liable' = 2, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (95.42%).
Advertencia: Para 'liable' = 2, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (4.58%).
Nota: Para 'liable' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.52%).
Advertencia: Para 'liable' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.48%).
Nota: Para 'liable' = 2, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.42%).
Advertencia: Para 'liable' = 2, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.58%).
Nota: Para 'liable' = 2, casi todos pertenecen a 'employ__desempleado' = 0 (95.42%).
Advertencia: Para 'liable' = 2, la proporción de 'employ__desempleado' = 1 es muy baja (4.58%).
Nota: Para 'liable' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (95.22%).
Advertencia: Para 'liable' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (4.78%).
Nota: Para 'liable' = 2, casi todos pertenecen a 'others__co-deudor' = 0 (96.95%).
Advertencia: Para 'liable' = 2, la proporción de 'others__co-deudor' = 1 es muy baja (3.05%).
Nota: Para 'liable' = 1, casi todos pertenecen a 'others__garante' = 0 (95.52%).
Advertencia: Para 'liable' = 1, la proporción de 'others__garante' = 1 es muy baja (4.48%).
Nota: Para 'liable' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (95.07%).
Advertencia: Para 'liable' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (4.93%).
Nota: Para 'liable' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.91%).
Advertencia: Para 'liable' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.09%).
Nota: Para 'liable' = 2, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.71%).
Advertencia: Para 'liable' = 2, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.29%).
Nota: Para 'liable' = 2, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (98.47%).
Advertencia: Para 'liable' = 2, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (1.53%).
Nota: Para 'liable' = 2, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (97.71%).
Advertencia: Para 'liable' = 2, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (2.29%).
Nota: Para 'foreign' = 0, casi todos pertenecen a 'history__no créditos tomados' = 0 (95.85%).
Advertencia: Para 'foreign' = 0, la proporción de 'history__no créditos tomados' = 1 es muy baja (4.15%).
Nota: Para 'foreign' = 1, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).
Advertencia: Para 'foreign' = 1, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).
Nota: Para 'foreign' = 0, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (95.98%).
Advertencia: Para 'foreign' = 0, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (4.02%).
Nota: Para 'foreign' = 1, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (96.43%).
Advertencia: Para 'foreign' = 1, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (3.57%).
Nota: Para 'foreign' = 0, casi todos pertenecen a 'purpose__educación' = 0 (95.21%).
Advertencia: Para 'foreign' = 0, la proporción de 'purpose__educación' = 1 es muy baja (4.79%).
Nota: Para 'foreign' = 1, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'foreign' = 1, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'foreign' = 0, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.96%).
Advertencia: Para 'foreign' = 0, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.04%).
Nota: Para 'foreign' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'foreign' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'foreign' = 1, casi todos pertenecen a 'purpose__negocios' = 0 (96.43%).
Advertencia: Para 'foreign' = 1, la proporción de 'purpose__negocios' = 1 es muy baja (3.57%).
Nota: Para 'foreign' = 0, casi todos pertenecen a 'purpose__otros' = 0 (99.09%).
Advertencia: Para 'foreign' = 0, la proporción de 'purpose__otros' = 1 es muy baja (0.91%).
Nota: Para 'foreign' = 1, casi todos pertenecen a 'purpose__otros' = 0 (96.43%).
Advertencia: Para 'foreign' = 1, la proporción de 'purpose__otros' = 1 es muy baja (3.57%).
Nota: Para 'foreign' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.54%).
Advertencia: Para 'foreign' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.46%).
Nota: Para 'foreign' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (96.43%).
Advertencia: Para 'foreign' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (3.57%).
Nota: Para 'foreign' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.09%).
Advertencia: Para 'foreign' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.91%).
Nota: Para 'foreign' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'foreign' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'foreign' = 1, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'foreign' = 1, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'foreign' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.73%).
Advertencia: Para 'foreign' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.27%).
Nota: Para 'foreign' = 1, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'foreign' = 1, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Nota: Para 'foreign' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.73%).
Advertencia: Para 'foreign' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.27%).
Nota: Para 'foreign' = 0, casi todos pertenecen a 'others__garante' = 0 (95.21%).
Advertencia: Para 'foreign' = 0, la proporción de 'others__garante' = 1 es muy baja (4.79%).
Nota: Para 'foreign' = 1, casi todos pertenecen a 'property__sin propiedad' = 0 (96.43%).
Advertencia: Para 'foreign' = 1, la proporción de 'property__sin propiedad' = 1 es muy baja (3.57%).
Nota: Para 'foreign' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).
Advertencia: Para 'foreign' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).
Nota: Para 'foreign' = 1, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).
Advertencia: Para 'foreign' = 1, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).
Nota: Para 'foreign' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.06%).
Advertencia: Para 'foreign' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.94%).
Nota: Para 'foreign' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.43%).
Advertencia: Para 'foreign' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.57%).
Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, casi todos pertenecen a 'existingchecking__saldo positivo superior a 200 DM' = 0 (100.00%).
Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, la proporción de 'existingchecking__saldo positivo superior a 200 DM' = 1 es muy baja (0.00%).
Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, casi todos pertenecen a 'existingchecking__sin cuenta corriente' = 0 (100.00%).
Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, la proporción de 'existingchecking__sin cuenta corriente' = 1 es muy baja (0.00%).
Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, casi todos pertenecen a 'existingchecking__sin saldo' = 0 (100.00%).
Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, la proporción de 'existingchecking__sin saldo' = 1 es muy baja (0.00%).
Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, casi todos pertenecen a 'history__no créditos tomados' = 0 (96.83%).
Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, la proporción de 'history__no créditos tomados' = 1 es muy baja (3.17%).
Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (96.33%).
Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (3.67%).
Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (95.02%).
Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (4.98%).
Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, casi todos pertenecen a 'purpose__educación' = 0 (97.51%).
Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, la proporción de 'purpose__educación' = 1 es muy baja (2.49%).
Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.66%).
Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.34%).
Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, casi todos pertenecen a 'purpose__otros' = 0 (99.33%).
Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, la proporción de 'purpose__otros' = 1 es muy baja (0.67%).
Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, casi todos pertenecen a 'purpose__otros' = 0 (98.01%).
Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, la proporción de 'purpose__otros' = 1 es muy baja (1.99%).
Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (98.00%).
Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.00%).
Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (96.02%).
Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (3.98%).
Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.33%).
Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.67%).
Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (98.51%).
Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (1.49%).
Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (95.52%).
Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (4.48%).
Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.16%).
Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.84%).
Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.52%).
Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.48%).
Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, casi todos pertenecen a 'employ__desempleado' = 0 (95.33%).
Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, la proporción de 'employ__desempleado' = 1 es muy baja (4.67%).
Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.49%).
Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.51%).
Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (95.52%).
Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (4.48%).
Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, casi todos pertenecen a 'others__garante' = 0 (95.83%).
Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, la proporción de 'others__garante' = 1 es muy baja (4.17%).
Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.00%).
Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.00%).
Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.51%).
Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.49%).
Nota: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.33%).
Advertencia: Para 'existingchecking__saldo positivo hasta 200 DM' = 0, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.67%).
Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, casi todos pertenecen a 'existingchecking__sin cuenta corriente' = 0 (100.00%).
Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, la proporción de 'existingchecking__sin cuenta corriente' = 1 es muy baja (0.00%).
Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, casi todos pertenecen a 'existingchecking__sin saldo' = 0 (100.00%).
Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, la proporción de 'existingchecking__sin saldo' = 1 es muy baja (0.00%).
Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, casi todos pertenecen a 'history__no créditos tomados' = 0 (95.73%).
Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, la proporción de 'history__no créditos tomados' = 1 es muy baja (4.27%).
Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, casi todos pertenecen a 'history__no créditos tomados' = 0 (96.08%).
Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, la proporción de 'history__no créditos tomados' = 1 es muy baja (3.92%).
Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (95.99%).
Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (4.01%).
Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (96.08%).
Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (3.92%).
Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, casi todos pertenecen a 'purpose__coche usado' = 0 (96.08%).
Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, la proporción de 'purpose__coche usado' = 1 es muy baja (3.92%).
Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, casi todos pertenecen a 'purpose__educación' = 0 (95.59%).
Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, la proporción de 'purpose__educación' = 1 es muy baja (4.41%).
Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (99.07%).
Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.93%).
Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.04%).
Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.96%).
Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, casi todos pertenecen a 'purpose__otros' = 0 (98.93%).
Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, la proporción de 'purpose__otros' = 1 es muy baja (1.07%).
Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.33%).
Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.67%).
Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.07%).
Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.93%).
Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.46%).
Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.54%).
Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.08%).
Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.92%).
Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, casi todos pertenecen a 'employ__desempleado' = 0 (98.04%).
Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, la proporción de 'employ__desempleado' = 1 es muy baja (1.96%).
Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.46%).
Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.54%).
Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (96.08%).
Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (3.92%).
Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, casi todos pertenecen a 'others__garante' = 0 (98.04%).
Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 1, la proporción de 'others__garante' = 1 es muy baja (1.96%).
Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, casi todos pertenecen a 'otherplans__banco' = 0 (95.06%).
Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, la proporción de 'otherplans__banco' = 1 es muy baja (4.94%).
Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.26%).
Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.74%).
Nota: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.19%).
Advertencia: Para 'existingchecking__saldo positivo superior a 200 DM' = 0, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.81%).
Nota: Para 'existingchecking__sin cuenta corriente' = 1, casi todos pertenecen a 'existingchecking__sin saldo' = 0 (100.00%).
Advertencia: Para 'existingchecking__sin cuenta corriente' = 1, la proporción de 'existingchecking__sin saldo' = 1 es muy baja (0.00%).
Nota: Para 'existingchecking__sin cuenta corriente' = 0, casi todos pertenecen a 'history__no créditos tomados' = 0 (95.83%).
Advertencia: Para 'existingchecking__sin cuenta corriente' = 0, la proporción de 'history__no créditos tomados' = 1 es muy baja (4.17%).
Nota: Para 'existingchecking__sin cuenta corriente' = 1, casi todos pertenecen a 'history__no créditos tomados' = 0 (95.56%).
Advertencia: Para 'existingchecking__sin cuenta corriente' = 1, la proporción de 'history__no créditos tomados' = 1 es muy baja (4.44%).
Nota: Para 'existingchecking__sin cuenta corriente' = 1, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (96.00%).
Advertencia: Para 'existingchecking__sin cuenta corriente' = 1, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (4.00%).
Nota: Para 'existingchecking__sin cuenta corriente' = 0, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (96.87%).
Advertencia: Para 'existingchecking__sin cuenta corriente' = 0, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (3.13%).
Nota: Para 'existingchecking__sin cuenta corriente' = 0, casi todos pertenecen a 'purpose__educación' = 0 (95.65%).
Advertencia: Para 'existingchecking__sin cuenta corriente' = 0, la proporción de 'purpose__educación' = 1 es muy baja (4.35%).
Nota: Para 'existingchecking__sin cuenta corriente' = 0, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (99.30%).
Advertencia: Para 'existingchecking__sin cuenta corriente' = 0, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.70%).
Nota: Para 'existingchecking__sin cuenta corriente' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.22%).
Advertencia: Para 'existingchecking__sin cuenta corriente' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.78%).
Nota: Para 'existingchecking__sin cuenta corriente' = 0, casi todos pertenecen a 'purpose__otros' = 0 (99.13%).
Advertencia: Para 'existingchecking__sin cuenta corriente' = 0, la proporción de 'purpose__otros' = 1 es muy baja (0.87%).
Nota: Para 'existingchecking__sin cuenta corriente' = 1, casi todos pertenecen a 'purpose__otros' = 0 (98.67%).
Advertencia: Para 'existingchecking__sin cuenta corriente' = 1, la proporción de 'purpose__otros' = 1 es muy baja (1.33%).
Nota: Para 'existingchecking__sin cuenta corriente' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.39%).
Advertencia: Para 'existingchecking__sin cuenta corriente' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.61%).
Nota: Para 'existingchecking__sin cuenta corriente' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.78%).
Advertencia: Para 'existingchecking__sin cuenta corriente' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.22%).
Nota: Para 'existingchecking__sin cuenta corriente' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (98.96%).
Advertencia: Para 'existingchecking__sin cuenta corriente' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (1.04%).
Nota: Para 'existingchecking__sin cuenta corriente' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (99.56%).
Advertencia: Para 'existingchecking__sin cuenta corriente' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.44%).
Nota: Para 'existingchecking__sin cuenta corriente' = 1, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (97.33%).
Advertencia: Para 'existingchecking__sin cuenta corriente' = 1, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (2.67%).
Nota: Para 'existingchecking__sin cuenta corriente' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (97.78%).
Advertencia: Para 'existingchecking__sin cuenta corriente' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (2.22%).
Nota: Para 'existingchecking__sin cuenta corriente' = 1, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (95.56%).
Advertencia: Para 'existingchecking__sin cuenta corriente' = 1, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (4.44%).
Nota: Para 'existingchecking__sin cuenta corriente' = 0, casi todos pertenecen a 'employ__desempleado' = 0 (95.30%).
Advertencia: Para 'existingchecking__sin cuenta corriente' = 0, la proporción de 'employ__desempleado' = 1 es muy baja (4.70%).
Nota: Para 'existingchecking__sin cuenta corriente' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (96.35%).
Advertencia: Para 'existingchecking__sin cuenta corriente' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (3.65%).
Nota: Para 'existingchecking__sin cuenta corriente' = 0, casi todos pertenecen a 'others__garante' = 0 (95.83%).
Advertencia: Para 'existingchecking__sin cuenta corriente' = 0, la proporción de 'others__garante' = 1 es muy baja (4.17%).
Nota: Para 'existingchecking__sin cuenta corriente' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (96.00%).
Advertencia: Para 'existingchecking__sin cuenta corriente' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (4.00%).
Nota: Para 'existingchecking__sin cuenta corriente' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.91%).
Advertencia: Para 'existingchecking__sin cuenta corriente' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.09%).
Nota: Para 'existingchecking__sin cuenta corriente' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.78%).
Advertencia: Para 'existingchecking__sin cuenta corriente' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.22%).
Nota: Para 'existingchecking__sin cuenta corriente' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.11%).
Advertencia: Para 'existingchecking__sin cuenta corriente' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.89%).
Nota: Para 'existingchecking__sin saldo' = 1, casi todos pertenecen a 'history__no créditos tomados' = 0 (97.83%).
Advertencia: Para 'existingchecking__sin saldo' = 1, la proporción de 'history__no créditos tomados' = 1 es muy baja (2.17%).
Nota: Para 'existingchecking__sin saldo' = 1, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (98.14%).
Advertencia: Para 'existingchecking__sin saldo' = 1, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (1.86%).
Nota: Para 'existingchecking__sin saldo' = 0, casi todos pertenecen a 'purpose__educación' = 0 (95.60%).
Advertencia: Para 'existingchecking__sin saldo' = 0, la proporción de 'purpose__educación' = 1 es muy baja (4.40%).
Nota: Para 'existingchecking__sin saldo' = 1, casi todos pertenecen a 'purpose__educación' = 0 (95.05%).
Advertencia: Para 'existingchecking__sin saldo' = 1, la proporción de 'purpose__educación' = 1 es muy baja (4.95%).
Nota: Para 'existingchecking__sin saldo' = 0, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.95%).
Advertencia: Para 'existingchecking__sin saldo' = 0, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.05%).
Nota: Para 'existingchecking__sin saldo' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (99.07%).
Advertencia: Para 'existingchecking__sin saldo' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.93%).
Nota: Para 'existingchecking__sin saldo' = 0, casi todos pertenecen a 'purpose__otros' = 0 (98.53%).
Advertencia: Para 'existingchecking__sin saldo' = 0, la proporción de 'purpose__otros' = 1 es muy baja (1.47%).
Nota: Para 'existingchecking__sin saldo' = 1, casi todos pertenecen a 'purpose__otros' = 0 (99.69%).
Advertencia: Para 'existingchecking__sin saldo' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.31%).
Nota: Para 'existingchecking__sin saldo' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.27%).
Advertencia: Para 'existingchecking__sin saldo' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.73%).
Nota: Para 'existingchecking__sin saldo' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.83%).
Advertencia: Para 'existingchecking__sin saldo' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.17%).
Nota: Para 'existingchecking__sin saldo' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.16%).
Advertencia: Para 'existingchecking__sin saldo' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.84%).
Nota: Para 'existingchecking__sin saldo' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (99.07%).
Advertencia: Para 'existingchecking__sin saldo' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.93%).
Nota: Para 'existingchecking__sin saldo' = 0, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (96.23%).
Advertencia: Para 'existingchecking__sin saldo' = 0, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (3.77%).
Nota: Para 'existingchecking__sin saldo' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (97.06%).
Advertencia: Para 'existingchecking__sin saldo' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (2.94%).
Nota: Para 'existingchecking__sin saldo' = 1, casi todos pertenecen a 'employ__desempleado' = 0 (96.59%).
Advertencia: Para 'existingchecking__sin saldo' = 1, la proporción de 'employ__desempleado' = 1 es muy baja (3.41%).
Nota: Para 'existingchecking__sin saldo' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (96.90%).
Advertencia: Para 'existingchecking__sin saldo' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (3.10%).
Nota: Para 'existingchecking__sin saldo' = 1, casi todos pertenecen a 'others__garante' = 0 (97.83%).
Advertencia: Para 'existingchecking__sin saldo' = 1, la proporción de 'others__garante' = 1 es muy baja (2.17%).
Nota: Para 'existingchecking__sin saldo' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.06%).
Advertencia: Para 'existingchecking__sin saldo' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.94%).
Nota: Para 'existingchecking__sin saldo' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (99.07%).
Advertencia: Para 'existingchecking__sin saldo' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.93%).
Nota: Para 'existingchecking__sin saldo' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.59%).
Advertencia: Para 'existingchecking__sin saldo' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.41%).
Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0 (100.00%).
Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1 es muy baja (0.00%).
Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).
Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).
Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'purpose__educación' = 0 (95.76%).
Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'purpose__educación' = 1 es muy baja (4.24%).
Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.12%).
Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.88%).
Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, casi todos pertenecen a 'purpose__otros' = 0 (98.40%).
Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, la proporción de 'purpose__otros' = 1 es muy baja (1.60%).
Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'purpose__otros' = 0 (99.53%).
Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.47%).
Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.07%).
Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.93%).
Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.88%).
Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.12%).
Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.47%).
Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.53%).
Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (98.82%).
Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (1.18%).
Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.24%).
Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.76%).
Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'employ__desempleado' = 0 (95.53%).
Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'employ__desempleado' = 1 es muy baja (4.47%).
Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (96.00%).
Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.00%).
Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (95.06%).
Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (4.94%).
Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, casi todos pertenecen a 'others__garante' = 0 (96.53%).
Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, la proporción de 'others__garante' = 1 es muy baja (3.47%).
Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (96.47%).
Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (3.53%).
Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.07%).
Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.93%).
Nota: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.59%).
Advertencia: Para 'history__créditos existentes pagados puntualmente hasta ahora' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.41%).
Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, casi todos pertenecen a 'history__no créditos tomados' = 0 (100.00%).
Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, la proporción de 'history__no créditos tomados' = 1 es muy baja (0.00%).
Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).
Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).
Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, casi todos pertenecen a 'purpose__educación' = 0 (96.03%).
Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, la proporción de 'purpose__educación' = 1 es muy baja (3.97%).
Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.56%).
Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.44%).
Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, casi todos pertenecen a 'purpose__otros' = 0 (99.10%).
Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, la proporción de 'purpose__otros' = 1 es muy baja (0.90%).
Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, casi todos pertenecen a 'purpose__otros' = 0 (98.78%).
Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, la proporción de 'purpose__otros' = 1 es muy baja (1.22%).
Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.47%).
Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.53%).
Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.56%).
Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.44%).
Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (98.92%).
Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (1.08%).
Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (99.59%).
Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.41%).
Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.21%).
Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.79%).
Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.67%).
Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.33%).
Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (95.12%).
Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (4.88%).
Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, casi todos pertenecen a 'others__garante' = 0 (96.75%).
Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, la proporción de 'others__garante' = 1 es muy baja (3.25%).
Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (96.34%).
Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (3.66%).
Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.38%).
Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.62%).
Nota: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (96.75%).
Advertencia: Para 'history__cuenta crítica/otros créditos existentes (no en este banco)' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (3.25%).
Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'history__retraso en el pago en el pasado' = 0 (100.00%).
Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'history__retraso en el pago en el pasado' = 1 es muy baja (0.00%).
Nota: Para 'history__no créditos tomados' = 0, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (95.82%).
Advertencia: Para 'history__no créditos tomados' = 0, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (4.18%).
Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'history__no créditos tomados' = 0, casi todos pertenecen a 'purpose__educación' = 0 (95.17%).
Advertencia: Para 'history__no créditos tomados' = 0, la proporción de 'purpose__educación' = 1 es muy baja (4.83%).
Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'history__no créditos tomados' = 0, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.96%).
Advertencia: Para 'history__no créditos tomados' = 0, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.04%).
Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'history__no créditos tomados' = 0, casi todos pertenecen a 'purpose__otros' = 0 (99.09%).
Advertencia: Para 'history__no créditos tomados' = 0, la proporción de 'purpose__otros' = 1 es muy baja (0.91%).
Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'purpose__otros' = 0 (97.06%).
Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'purpose__otros' = 1 es muy baja (2.94%).
Nota: Para 'history__no créditos tomados' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.65%).
Advertencia: Para 'history__no créditos tomados' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.35%).
Nota: Para 'history__no créditos tomados' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.22%).
Advertencia: Para 'history__no créditos tomados' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.78%).
Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (97.06%).
Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (2.94%).
Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (97.06%).
Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (2.94%).
Nota: Para 'history__no créditos tomados' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.30%).
Advertencia: Para 'history__no créditos tomados' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.70%).
Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Nota: Para 'history__no créditos tomados' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.30%).
Advertencia: Para 'history__no créditos tomados' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.70%).
Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'others__garante' = 0 (97.06%).
Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'others__garante' = 1 es muy baja (2.94%).
Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'others__ninguno' = 0 es muy baja (2.94%).
Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'others__ninguno' = 1 (97.06%).
Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (97.06%).
Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (2.94%).
Nota: Para 'history__no créditos tomados' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.91%).
Advertencia: Para 'history__no créditos tomados' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.09%).
Nota: Para 'history__no créditos tomados' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.06%).
Advertencia: Para 'history__no créditos tomados' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.94%).
Nota: Para 'history__retraso en el pago en el pasado' = 0, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (95.66%).
Advertencia: Para 'history__retraso en el pago en el pasado' = 0, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (4.34%).
Nota: Para 'history__retraso en el pago en el pasado' = 1, casi todos pertenecen a 'history__todos los créditos en este banco devueltos a tiempo' = 0 (100.00%).
Advertencia: Para 'history__retraso en el pago en el pasado' = 1, la proporción de 'history__todos los créditos en este banco devueltos a tiempo' = 1 es muy baja (0.00%).
Nota: Para 'history__retraso en el pago en el pasado' = 0, casi todos pertenecen a 'purpose__educación' = 0 (95.25%).
Advertencia: Para 'history__retraso en el pago en el pasado' = 0, la proporción de 'purpose__educación' = 1 es muy baja (4.75%).
Nota: Para 'history__retraso en el pago en el pasado' = 1, casi todos pertenecen a 'purpose__educación' = 0 (96.83%).
Advertencia: Para 'history__retraso en el pago en el pasado' = 1, la proporción de 'purpose__educación' = 1 es muy baja (3.17%).
Nota: Para 'history__retraso en el pago en el pasado' = 0, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.91%).
Advertencia: Para 'history__retraso en el pago en el pasado' = 0, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.09%).
Nota: Para 'history__retraso en el pago en el pasado' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'history__retraso en el pago en el pasado' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'history__retraso en el pago en el pasado' = 0, casi todos pertenecen a 'purpose__otros' = 0 (99.05%).
Advertencia: Para 'history__retraso en el pago en el pasado' = 0, la proporción de 'purpose__otros' = 1 es muy baja (0.95%).
Nota: Para 'history__retraso en el pago en el pasado' = 1, casi todos pertenecen a 'purpose__otros' = 0 (98.41%).
Advertencia: Para 'history__retraso en el pago en el pasado' = 1, la proporción de 'purpose__otros' = 1 es muy baja (1.59%).
Nota: Para 'history__retraso en el pago en el pasado' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.69%).
Advertencia: Para 'history__retraso en el pago en el pasado' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.31%).
Nota: Para 'history__retraso en el pago en el pasado' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (95.24%).
Advertencia: Para 'history__retraso en el pago en el pasado' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (4.76%).
Nota: Para 'history__retraso en el pago en el pasado' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.05%).
Advertencia: Para 'history__retraso en el pago en el pasado' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.95%).
Nota: Para 'history__retraso en el pago en el pasado' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'history__retraso en el pago en el pasado' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'history__retraso en el pago en el pasado' = 1, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (96.83%).
Advertencia: Para 'history__retraso en el pago en el pasado' = 1, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (3.17%).
Nota: Para 'history__retraso en el pago en el pasado' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.66%).
Advertencia: Para 'history__retraso en el pago en el pasado' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.34%).
Nota: Para 'history__retraso en el pago en el pasado' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.25%).
Advertencia: Para 'history__retraso en el pago en el pasado' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.75%).
Nota: Para 'history__retraso en el pago en el pasado' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (98.41%).
Advertencia: Para 'history__retraso en el pago en el pasado' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (1.59%).
Nota: Para 'history__retraso en el pago en el pasado' = 1, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'history__retraso en el pago en el pasado' = 1, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Advertencia: Para 'history__retraso en el pago en el pasado' = 1, la proporción de 'others__ninguno' = 0 es muy baja (1.59%).
Nota: Para 'history__retraso en el pago en el pasado' = 1, casi todos pertenecen a 'others__ninguno' = 1 (98.41%).
Nota: Para 'history__retraso en el pago en el pasado' = 0, casi todos pertenecen a 'otherplans__banco' = 0 (95.66%).
Advertencia: Para 'history__retraso en el pago en el pasado' = 0, la proporción de 'otherplans__banco' = 1 es muy baja (4.34%).
Nota: Para 'history__retraso en el pago en el pasado' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.69%).
Advertencia: Para 'history__retraso en el pago en el pasado' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.31%).
Nota: Para 'history__retraso en el pago en el pasado' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'history__retraso en el pago en el pasado' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, casi todos pertenecen a 'purpose__educación' = 0 (95.44%).
Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, la proporción de 'purpose__educación' = 1 es muy baja (4.56%).
Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.96%).
Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.04%).
Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, casi todos pertenecen a 'purpose__otros' = 0 (99.09%).
Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, la proporción de 'purpose__otros' = 1 es muy baja (0.91%).
Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, casi todos pertenecen a 'purpose__otros' = 0 (96.88%).
Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, la proporción de 'purpose__otros' = 1 es muy baja (3.12%).
Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.40%).
Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.60%).
Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.09%).
Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.91%).
Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.44%).
Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.56%).
Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.88%).
Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.12%).
Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.57%).
Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.43%).
Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, casi todos pertenecen a 'others__garante' = 0 (95.18%).
Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, la proporción de 'others__garante' = 1 es muy baja (4.82%).
Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, casi todos pertenecen a 'otherplans__banco' = 0 (95.57%).
Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, la proporción de 'otherplans__banco' = 1 es muy baja (4.43%).
Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.05%).
Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.95%).
Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (96.88%).
Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (3.12%).
Nota: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'history__todos los créditos en este banco devueltos a tiempo' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'purpose__coche usado' = 0 (100.00%).
Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'purpose__coche usado' = 1 es muy baja (0.00%).
Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'purpose__coche nuevo' = 0, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.70%).
Advertencia: Para 'purpose__coche nuevo' = 0, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.30%).
Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).
Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).
Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).
Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).
Nota: Para 'purpose__coche nuevo' = 0, casi todos pertenecen a 'purpose__otros' = 0 (98.70%).
Advertencia: Para 'purpose__coche nuevo' = 0, la proporción de 'purpose__otros' = 1 es muy baja (1.30%).
Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).
Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).
Nota: Para 'purpose__coche nuevo' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (96.75%).
Advertencia: Para 'purpose__coche nuevo' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (3.25%).
Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'purpose__coche nuevo' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (98.86%).
Advertencia: Para 'purpose__coche nuevo' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (1.14%).
Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (95.14%).
Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (4.86%).
Nota: Para 'purpose__coche nuevo' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.45%).
Advertencia: Para 'purpose__coche nuevo' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.55%).
Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.68%).
Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.32%).
Nota: Para 'purpose__coche nuevo' = 0, casi todos pertenecen a 'employ__desempleado' = 0 (95.28%).
Advertencia: Para 'purpose__coche nuevo' = 0, la proporción de 'employ__desempleado' = 1 es muy baja (4.72%).
Nota: Para 'purpose__coche nuevo' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.61%).
Advertencia: Para 'purpose__coche nuevo' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.39%).
Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (95.14%).
Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (4.86%).
Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'others__garante' = 0 (95.68%).
Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'others__garante' = 1 es muy baja (4.32%).
Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (97.30%).
Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (2.70%).
Nota: Para 'purpose__coche nuevo' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.86%).
Advertencia: Para 'purpose__coche nuevo' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.14%).
Nota: Para 'purpose__coche nuevo' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.14%).
Advertencia: Para 'purpose__coche nuevo' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.86%).
Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'purpose__educación' = 0 (100.00%).
Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'purpose__educación' = 1 es muy baja (0.00%).
Nota: Para 'purpose__coche usado' = 0, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.89%).
Advertencia: Para 'purpose__coche usado' = 0, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.11%).
Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).
Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).
Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).
Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).
Nota: Para 'purpose__coche usado' = 0, casi todos pertenecen a 'purpose__otros' = 0 (98.89%).
Advertencia: Para 'purpose__coche usado' = 0, la proporción de 'purpose__otros' = 1 es muy baja (1.11%).
Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).
Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).
Nota: Para 'purpose__coche usado' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.21%).
Advertencia: Para 'purpose__coche usado' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.79%).
Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'purpose__coche usado' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.03%).
Advertencia: Para 'purpose__coche usado' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.97%).
Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (96.34%).
Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (3.66%).
Nota: Para 'purpose__coche usado' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.68%).
Advertencia: Para 'purpose__coche usado' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.32%).
Nota: Para 'purpose__coche usado' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.13%).
Advertencia: Para 'purpose__coche usado' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.87%).
Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (98.78%).
Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (1.22%).
Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'others__garante' = 0 (96.34%).
Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'others__garante' = 1 es muy baja (3.66%).
Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'others__ninguno' = 0 es muy baja (4.88%).
Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'others__ninguno' = 1 (95.12%).
Nota: Para 'purpose__coche usado' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.63%).
Advertencia: Para 'purpose__coche usado' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.37%).
Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'purpose__coche usado' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.34%).
Advertencia: Para 'purpose__coche usado' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.66%).
Nota: Para 'purpose__educación' = 0, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (98.95%).
Advertencia: Para 'purpose__educación' = 0, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (1.05%).
Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'purpose__electrodomésticos' = 0 (100.00%).
Advertencia: Para 'purpose__educación' = 1, la proporción de 'purpose__electrodomésticos' = 1 es muy baja (0.00%).
Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).
Advertencia: Para 'purpose__educación' = 1, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).
Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).
Advertencia: Para 'purpose__educación' = 1, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).
Nota: Para 'purpose__educación' = 0, casi todos pertenecen a 'purpose__otros' = 0 (98.95%).
Advertencia: Para 'purpose__educación' = 0, la proporción de 'purpose__otros' = 1 es muy baja (1.05%).
Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'purpose__educación' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).
Advertencia: Para 'purpose__educación' = 1, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).
Nota: Para 'purpose__educación' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.38%).
Advertencia: Para 'purpose__educación' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.62%).
Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'purpose__educación' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'purpose__educación' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.08%).
Advertencia: Para 'purpose__educación' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.92%).
Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'purpose__educación' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'purpose__educación' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.41%).
Advertencia: Para 'purpose__educación' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.59%).
Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (97.30%).
Advertencia: Para 'purpose__educación' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (2.70%).
Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'employ__desempleado' = 0 (97.30%).
Advertencia: Para 'purpose__educación' = 1, la proporción de 'employ__desempleado' = 1 es muy baja (2.70%).
Nota: Para 'purpose__educación' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.28%).
Advertencia: Para 'purpose__educación' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.72%).
Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'purpose__educación' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'purpose__educación' = 1, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Advertencia: Para 'purpose__educación' = 1, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).
Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).
Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (97.30%).
Advertencia: Para 'purpose__educación' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (2.70%).
Nota: Para 'purpose__educación' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.90%).
Advertencia: Para 'purpose__educación' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.10%).
Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.30%).
Advertencia: Para 'purpose__educación' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.70%).
Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'purpose__educación' = 1, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'purpose__educación' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (97.30%).
Advertencia: Para 'purpose__educación' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (2.70%).
Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'purpose__muebles/equipo' = 0 (100.00%).
Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'purpose__muebles/equipo' = 1 es muy baja (0.00%).
Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).
Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).
Nota: Para 'purpose__electrodomésticos' = 0, casi todos pertenecen a 'purpose__otros' = 0 (98.99%).
Advertencia: Para 'purpose__electrodomésticos' = 0, la proporción de 'purpose__otros' = 1 es muy baja (1.01%).
Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).
Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).
Nota: Para 'purpose__electrodomésticos' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.47%).
Advertencia: Para 'purpose__electrodomésticos' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.53%).
Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'purpose__electrodomésticos' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.12%).
Advertencia: Para 'purpose__electrodomésticos' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.88%).
Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'purpose__electrodomésticos' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.45%).
Advertencia: Para 'purpose__electrodomésticos' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.55%).
Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).
Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).
Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'employ__empleado más de 7 años' = 0 (100.00%).
Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'employ__empleado más de 7 años' = 1 es muy baja (0.00%).
Nota: Para 'purpose__electrodomésticos' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.45%).
Advertencia: Para 'purpose__electrodomésticos' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.55%).
Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).
Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).
Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'property__sin propiedad' = 0 (100.00%).
Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'property__sin propiedad' = 1 es muy baja (0.00%).
Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).
Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).
Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).
Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).
Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'otherplans__tiendas' = 0 es muy baja (0.00%).
Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'otherplans__tiendas' = 1 (100.00%).
Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).
Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).
Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (100.00%).
Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (0.00%).
Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'job__calificado' = 0 es muy baja (0.00%).
Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'job__calificado' = 1 (100.00%).
Nota: Para 'purpose__electrodomésticos' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.85%).
Advertencia: Para 'purpose__electrodomésticos' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.15%).
Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).
Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).
Nota: Para 'purpose__electrodomésticos' = 1, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'purpose__electrodomésticos' = 1, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'purpose__muebles/equipo' = 1, casi todos pertenecen a 'purpose__negocios' = 0 (100.00%).
Advertencia: Para 'purpose__muebles/equipo' = 1, la proporción de 'purpose__negocios' = 1 es muy baja (0.00%).
Nota: Para 'purpose__muebles/equipo' = 0, casi todos pertenecen a 'purpose__otros' = 0 (98.77%).
Advertencia: Para 'purpose__muebles/equipo' = 0, la proporción de 'purpose__otros' = 1 es muy baja (1.23%).
Nota: Para 'purpose__muebles/equipo' = 1, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'purpose__muebles/equipo' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'purpose__muebles/equipo' = 1, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).
Advertencia: Para 'purpose__muebles/equipo' = 1, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).
Nota: Para 'purpose__muebles/equipo' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (96.92%).
Advertencia: Para 'purpose__muebles/equipo' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (3.08%).
Nota: Para 'purpose__muebles/equipo' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'purpose__muebles/equipo' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'purpose__muebles/equipo' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (98.92%).
Advertencia: Para 'purpose__muebles/equipo' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (1.08%).
Nota: Para 'purpose__muebles/equipo' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'purpose__muebles/equipo' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'purpose__muebles/equipo' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.69%).
Advertencia: Para 'purpose__muebles/equipo' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.31%).
Nota: Para 'purpose__muebles/equipo' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (96.15%).
Advertencia: Para 'purpose__muebles/equipo' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (3.85%).
Nota: Para 'purpose__muebles/equipo' = 1, casi todos pertenecen a 'others__garante' = 0 (95.33%).
Advertencia: Para 'purpose__muebles/equipo' = 1, la proporción de 'others__garante' = 1 es muy baja (4.67%).
Nota: Para 'purpose__muebles/equipo' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.54%).
Advertencia: Para 'purpose__muebles/equipo' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.46%).
Nota: Para 'purpose__muebles/equipo' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (99.33%).
Advertencia: Para 'purpose__muebles/equipo' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.67%).
Nota: Para 'purpose__muebles/equipo' = 1, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (96.67%).
Advertencia: Para 'purpose__muebles/equipo' = 1, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (3.33%).
Nota: Para 'purpose__muebles/equipo' = 0, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.38%).
Advertencia: Para 'purpose__muebles/equipo' = 0, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.62%).
Nota: Para 'purpose__negocios' = 0, casi todos pertenecen a 'purpose__otros' = 0 (98.89%).
Advertencia: Para 'purpose__negocios' = 0, la proporción de 'purpose__otros' = 1 es muy baja (1.11%).
Nota: Para 'purpose__negocios' = 1, casi todos pertenecen a 'purpose__otros' = 0 (100.00%).
Advertencia: Para 'purpose__negocios' = 1, la proporción de 'purpose__otros' = 1 es muy baja (0.00%).
Nota: Para 'purpose__negocios' = 1, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).
Advertencia: Para 'purpose__negocios' = 1, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).
Nota: Para 'purpose__negocios' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.23%).
Advertencia: Para 'purpose__negocios' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.77%).
Nota: Para 'purpose__negocios' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'purpose__negocios' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'purpose__negocios' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.03%).
Advertencia: Para 'purpose__negocios' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.97%).
Nota: Para 'purpose__negocios' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'purpose__negocios' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'purpose__negocios' = 1, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (96.15%).
Advertencia: Para 'purpose__negocios' = 1, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (3.85%).
Nota: Para 'purpose__negocios' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.57%).
Advertencia: Para 'purpose__negocios' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.43%).
Nota: Para 'purpose__negocios' = 1, casi todos pertenecen a 'employ__desempleado' = 0 (96.15%).
Advertencia: Para 'purpose__negocios' = 1, la proporción de 'employ__desempleado' = 1 es muy baja (3.85%).
Nota: Para 'purpose__negocios' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.29%).
Advertencia: Para 'purpose__negocios' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.71%).
Nota: Para 'purpose__negocios' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (97.44%).
Advertencia: Para 'purpose__negocios' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (2.56%).
Nota: Para 'purpose__negocios' = 1, casi todos pertenecen a 'others__garante' = 0 (97.44%).
Advertencia: Para 'purpose__negocios' = 1, la proporción de 'others__garante' = 1 es muy baja (2.56%).
Nota: Para 'purpose__negocios' = 0, casi todos pertenecen a 'otherplans__banco' = 0 (95.43%).
Advertencia: Para 'purpose__negocios' = 0, la proporción de 'otherplans__banco' = 1 es muy baja (4.57%).
Nota: Para 'purpose__negocios' = 1, casi todos pertenecen a 'housing__gratis' = 0 (96.15%).
Advertencia: Para 'purpose__negocios' = 1, la proporción de 'housing__gratis' = 1 es muy baja (3.85%).
Nota: Para 'purpose__negocios' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.92%).
Advertencia: Para 'purpose__negocios' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.08%).
Nota: Para 'purpose__negocios' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.44%).
Advertencia: Para 'purpose__negocios' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.56%).
Nota: Para 'purpose__negocios' = 0, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.57%).
Advertencia: Para 'purpose__negocios' = 0, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.43%).
Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'purpose__radio/TV' = 0 (100.00%).
Advertencia: Para 'purpose__otros' = 1, la proporción de 'purpose__radio/TV' = 1 es muy baja (0.00%).
Nota: Para 'purpose__otros' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (97.47%).
Advertencia: Para 'purpose__otros' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (2.53%).
Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'purpose__otros' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'purpose__otros' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.12%).
Advertencia: Para 'purpose__otros' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.88%).
Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'purpose__otros' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'purpose__otros' = 1, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'purpose__otros' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.45%).
Advertencia: Para 'purpose__otros' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.55%).
Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'purpose__otros' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).
Advertencia: Para 'purpose__otros' = 1, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).
Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).
Advertencia: Para 'purpose__otros' = 1, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).
Nota: Para 'purpose__otros' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.83%).
Advertencia: Para 'purpose__otros' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.17%).
Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'housing__alquiler' = 0 (100.00%).
Advertencia: Para 'purpose__otros' = 1, la proporción de 'housing__alquiler' = 1 es muy baja (0.00%).
Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'job__calificado' = 0 (100.00%).
Advertencia: Para 'purpose__otros' = 1, la proporción de 'job__calificado' = 1 es muy baja (0.00%).
Nota: Para 'purpose__otros' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.85%).
Advertencia: Para 'purpose__otros' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.15%).
Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'purpose__otros' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'telephone__no' = 0 (100.00%).
Advertencia: Para 'purpose__otros' = 1, la proporción de 'telephone__no' = 1 es muy baja (0.00%).
Advertencia: Para 'purpose__otros' = 1, la proporción de 'telephone__sí' = 0 es muy baja (0.00%).
Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'telephone__sí' = 1 (100.00%).
Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'purpose__otros' = 1, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'purpose__otros' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'purpose__otros' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'purpose__radio/TV' = 0, casi todos pertenecen a 'purpose__reparaciones' = 0 (96.52%).
Advertencia: Para 'purpose__radio/TV' = 0, la proporción de 'purpose__reparaciones' = 1 es muy baja (3.48%).
Nota: Para 'purpose__radio/TV' = 1, casi todos pertenecen a 'purpose__reparaciones' = 0 (100.00%).
Advertencia: Para 'purpose__radio/TV' = 1, la proporción de 'purpose__reparaciones' = 1 es muy baja (0.00%).
Nota: Para 'purpose__radio/TV' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (98.78%).
Advertencia: Para 'purpose__radio/TV' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (1.22%).
Nota: Para 'purpose__radio/TV' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'purpose__radio/TV' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'purpose__radio/TV' = 0, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (95.30%).
Advertencia: Para 'purpose__radio/TV' = 0, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (4.70%).
Nota: Para 'purpose__radio/TV' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.13%).
Advertencia: Para 'purpose__radio/TV' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.87%).
Nota: Para 'purpose__radio/TV' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (96.44%).
Advertencia: Para 'purpose__radio/TV' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (3.56%).
Nota: Para 'purpose__radio/TV' = 1, casi todos pertenecen a 'employ__desempleado' = 0 (97.78%).
Advertencia: Para 'purpose__radio/TV' = 1, la proporción de 'employ__desempleado' = 1 es muy baja (2.22%).
Nota: Para 'purpose__radio/TV' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.30%).
Advertencia: Para 'purpose__radio/TV' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.70%).
Nota: Para 'purpose__radio/TV' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (96.00%).
Advertencia: Para 'purpose__radio/TV' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (4.00%).
Nota: Para 'purpose__radio/TV' = 0, casi todos pertenecen a 'others__garante' = 0 (96.00%).
Advertencia: Para 'purpose__radio/TV' = 0, la proporción de 'others__garante' = 1 es muy baja (4.00%).
Nota: Para 'purpose__radio/TV' = 1, casi todos pertenecen a 'housing__gratis' = 0 (95.56%).
Advertencia: Para 'purpose__radio/TV' = 1, la proporción de 'housing__gratis' = 1 es muy baja (4.44%).
Nota: Para 'purpose__radio/TV' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.22%).
Advertencia: Para 'purpose__radio/TV' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.78%).
Nota: Para 'purpose__radio/TV' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (99.56%).
Advertencia: Para 'purpose__radio/TV' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.44%).
Nota: Para 'purpose__radio/TV' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (98.22%).
Advertencia: Para 'purpose__radio/TV' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (1.78%).
Nota: Para 'purpose__reparaciones' = 0, casi todos pertenecen a 'purpose__retraining' = 0 (99.10%).
Advertencia: Para 'purpose__reparaciones' = 0, la proporción de 'purpose__retraining' = 1 es muy baja (0.90%).
Nota: Para 'purpose__reparaciones' = 1, casi todos pertenecen a 'purpose__retraining' = 0 (100.00%).
Advertencia: Para 'purpose__reparaciones' = 1, la proporción de 'purpose__retraining' = 1 es muy baja (0.00%).
Nota: Para 'purpose__reparaciones' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.64%).
Advertencia: Para 'purpose__reparaciones' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.36%).
Nota: Para 'purpose__reparaciones' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.51%).
Advertencia: Para 'purpose__reparaciones' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.49%).
Nota: Para 'purpose__reparaciones' = 1, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).
Advertencia: Para 'purpose__reparaciones' = 1, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).
Nota: Para 'purpose__reparaciones' = 1, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (100.00%).
Advertencia: Para 'purpose__reparaciones' = 1, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (0.00%).
Nota: Para 'purpose__reparaciones' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.08%).
Advertencia: Para 'purpose__reparaciones' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.92%).
Nota: Para 'purpose__retraining' = 1, casi todos pertenecen a 'savings__saldo positivo de 100 a 500 DM' = 0 (100.00%).
Advertencia: Para 'purpose__retraining' = 1, la proporción de 'savings__saldo positivo de 100 a 500 DM' = 1 es muy baja (0.00%).
Nota: Para 'purpose__retraining' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.46%).
Advertencia: Para 'purpose__retraining' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.54%).
Nota: Para 'purpose__retraining' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'purpose__retraining' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'purpose__retraining' = 1, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).
Advertencia: Para 'purpose__retraining' = 1, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).
Nota: Para 'purpose__retraining' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.46%).
Advertencia: Para 'purpose__retraining' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.54%).
Nota: Para 'purpose__retraining' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'purpose__retraining' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'purpose__retraining' = 1, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'purpose__retraining' = 1, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Advertencia: Para 'purpose__retraining' = 1, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).
Nota: Para 'purpose__retraining' = 1, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).
Nota: Para 'purpose__retraining' = 1, casi todos pertenecen a 'property__sin propiedad' = 0 (100.00%).
Advertencia: Para 'purpose__retraining' = 1, la proporción de 'property__sin propiedad' = 1 es muy baja (0.00%).
Nota: Para 'purpose__retraining' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (100.00%).
Advertencia: Para 'purpose__retraining' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (0.00%).
Nota: Para 'purpose__retraining' = 1, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).
Advertencia: Para 'purpose__retraining' = 1, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).
Advertencia: Para 'purpose__retraining' = 1, la proporción de 'otherplans__tiendas' = 0 es muy baja (0.00%).
Nota: Para 'purpose__retraining' = 1, casi todos pertenecen a 'otherplans__tiendas' = 1 (100.00%).
Nota: Para 'purpose__retraining' = 1, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).
Advertencia: Para 'purpose__retraining' = 1, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).
Nota: Para 'purpose__retraining' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.86%).
Advertencia: Para 'purpose__retraining' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.14%).
Nota: Para 'purpose__retraining' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'purpose__retraining' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'purpose__retraining' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'purpose__retraining' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'savings__saldo positivo de 100 a 500 DM' = 0, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (95.21%).
Advertencia: Para 'savings__saldo positivo de 100 a 500 DM' = 0, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (4.79%).
Nota: Para 'savings__saldo positivo de 100 a 500 DM' = 1, casi todos pertenecen a 'savings__saldo positivo de 500 a 1000 DM' = 0 (100.00%).
Advertencia: Para 'savings__saldo positivo de 100 a 500 DM' = 1, la proporción de 'savings__saldo positivo de 500 a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'savings__saldo positivo de 100 a 500 DM' = 1, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).
Advertencia: Para 'savings__saldo positivo de 100 a 500 DM' = 1, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).
Nota: Para 'savings__saldo positivo de 100 a 500 DM' = 1, casi todos pertenecen a 'savings__saldo positivo superior a 1000 DM' = 0 (100.00%).
Advertencia: Para 'savings__saldo positivo de 100 a 500 DM' = 1, la proporción de 'savings__saldo positivo superior a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'savings__saldo positivo de 100 a 500 DM' = 1, casi todos pertenecen a 'savings__sin cuenta de ahorros' = 0 (100.00%).
Advertencia: Para 'savings__saldo positivo de 100 a 500 DM' = 1, la proporción de 'savings__sin cuenta de ahorros' = 1 es muy baja (0.00%).
Nota: Para 'savings__saldo positivo de 100 a 500 DM' = 1, casi todos pertenecen a 'employ__desempleado' = 0 (97.92%).
Advertencia: Para 'savings__saldo positivo de 100 a 500 DM' = 1, la proporción de 'employ__desempleado' = 1 es muy baja (2.08%).
Nota: Para 'savings__saldo positivo de 100 a 500 DM' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.21%).
Advertencia: Para 'savings__saldo positivo de 100 a 500 DM' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.79%).
Nota: Para 'savings__saldo positivo de 100 a 500 DM' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (100.00%).
Advertencia: Para 'savings__saldo positivo de 100 a 500 DM' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (0.00%).
Nota: Para 'savings__saldo positivo de 100 a 500 DM' = 1, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'savings__saldo positivo de 100 a 500 DM' = 1, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Advertencia: Para 'savings__saldo positivo de 100 a 500 DM' = 1, la proporción de 'others__ninguno' = 0 es muy baja (0.00%).
Nota: Para 'savings__saldo positivo de 100 a 500 DM' = 1, casi todos pertenecen a 'others__ninguno' = 1 (100.00%).
Nota: Para 'savings__saldo positivo de 100 a 500 DM' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (95.83%).
Advertencia: Para 'savings__saldo positivo de 100 a 500 DM' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (4.17%).
Nota: Para 'savings__saldo positivo de 100 a 500 DM' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.87%).
Advertencia: Para 'savings__saldo positivo de 100 a 500 DM' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.13%).
Nota: Para 'savings__saldo positivo de 100 a 500 DM' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.92%).
Advertencia: Para 'savings__saldo positivo de 100 a 500 DM' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.08%).
Nota: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, casi todos pertenecen a 'savings__saldo positivo hasta 100 DM' = 0 (100.00%).
Advertencia: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, la proporción de 'savings__saldo positivo hasta 100 DM' = 1 es muy baja (0.00%).
Nota: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, casi todos pertenecen a 'savings__saldo positivo superior a 1000 DM' = 0 (100.00%).
Advertencia: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, la proporción de 'savings__saldo positivo superior a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, casi todos pertenecen a 'savings__sin cuenta de ahorros' = 0 (100.00%).
Advertencia: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, la proporción de 'savings__sin cuenta de ahorros' = 1 es muy baja (0.00%).
Nota: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, casi todos pertenecen a 'employ__desempleado' = 0 (100.00%).
Advertencia: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, la proporción de 'employ__desempleado' = 1 es muy baja (0.00%).
Nota: Para 'savings__saldo positivo de 500 a 1000 DM' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.42%).
Advertencia: Para 'savings__saldo positivo de 500 a 1000 DM' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.58%).
Nota: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (97.22%).
Advertencia: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (2.78%).
Nota: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Advertencia: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, la proporción de 'others__ninguno' = 0 es muy baja (2.78%).
Nota: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, casi todos pertenecen a 'others__ninguno' = 1 (97.22%).
Nota: Para 'savings__saldo positivo de 500 a 1000 DM' = 0, casi todos pertenecen a 'otherplans__banco' = 0 (95.03%).
Advertencia: Para 'savings__saldo positivo de 500 a 1000 DM' = 0, la proporción de 'otherplans__banco' = 1 es muy baja (4.97%).
Nota: Para 'savings__saldo positivo de 500 a 1000 DM' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.91%).
Advertencia: Para 'savings__saldo positivo de 500 a 1000 DM' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.09%).
Nota: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.22%).
Advertencia: Para 'savings__saldo positivo de 500 a 1000 DM' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.78%).
Nota: Para 'savings__saldo positivo hasta 100 DM' = 1, casi todos pertenecen a 'savings__saldo positivo superior a 1000 DM' = 0 (100.00%).
Advertencia: Para 'savings__saldo positivo hasta 100 DM' = 1, la proporción de 'savings__saldo positivo superior a 1000 DM' = 1 es muy baja (0.00%).
Nota: Para 'savings__saldo positivo hasta 100 DM' = 1, casi todos pertenecen a 'savings__sin cuenta de ahorros' = 0 (100.00%).
Advertencia: Para 'savings__saldo positivo hasta 100 DM' = 1, la proporción de 'savings__sin cuenta de ahorros' = 1 es muy baja (0.00%).
Nota: Para 'savings__saldo positivo hasta 100 DM' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.79%).
Advertencia: Para 'savings__saldo positivo hasta 100 DM' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.21%).
Nota: Para 'savings__saldo positivo hasta 100 DM' = 1, casi todos pertenecen a 'others__garante' = 0 (96.55%).
Advertencia: Para 'savings__saldo positivo hasta 100 DM' = 1, la proporción de 'others__garante' = 1 es muy baja (3.45%).
Nota: Para 'savings__saldo positivo hasta 100 DM' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (95.40%).
Advertencia: Para 'savings__saldo positivo hasta 100 DM' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (4.60%).
Nota: Para 'savings__saldo positivo hasta 100 DM' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.62%).
Advertencia: Para 'savings__saldo positivo hasta 100 DM' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.38%).
Nota: Para 'savings__saldo positivo hasta 100 DM' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'savings__saldo positivo hasta 100 DM' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'savings__saldo positivo superior a 1000 DM' = 1, casi todos pertenecen a 'savings__sin cuenta de ahorros' = 0 (100.00%).
Advertencia: Para 'savings__saldo positivo superior a 1000 DM' = 1, la proporción de 'savings__sin cuenta de ahorros' = 1 es muy baja (0.00%).
Nota: Para 'savings__saldo positivo superior a 1000 DM' = 1, casi todos pertenecen a 'employ__desempleado' = 0 (96.64%).
Advertencia: Para 'savings__saldo positivo superior a 1000 DM' = 1, la proporción de 'employ__desempleado' = 1 es muy baja (3.36%).
Nota: Para 'savings__saldo positivo superior a 1000 DM' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.08%).
Advertencia: Para 'savings__saldo positivo superior a 1000 DM' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.92%).
Nota: Para 'savings__saldo positivo superior a 1000 DM' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (97.32%).
Advertencia: Para 'savings__saldo positivo superior a 1000 DM' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (2.68%).
Nota: Para 'savings__saldo positivo superior a 1000 DM' = 1, casi todos pertenecen a 'others__garante' = 0 (97.99%).
Advertencia: Para 'savings__saldo positivo superior a 1000 DM' = 1, la proporción de 'others__garante' = 1 es muy baja (2.01%).
Advertencia: Para 'savings__saldo positivo superior a 1000 DM' = 1, la proporción de 'others__ninguno' = 0 es muy baja (4.70%).
Nota: Para 'savings__saldo positivo superior a 1000 DM' = 1, casi todos pertenecen a 'others__ninguno' = 1 (95.30%).
Nota: Para 'savings__saldo positivo superior a 1000 DM' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (95.97%).
Advertencia: Para 'savings__saldo positivo superior a 1000 DM' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (4.03%).
Nota: Para 'savings__saldo positivo superior a 1000 DM' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.70%).
Advertencia: Para 'savings__saldo positivo superior a 1000 DM' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.30%).
Nota: Para 'savings__saldo positivo superior a 1000 DM' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.66%).
Advertencia: Para 'savings__saldo positivo superior a 1000 DM' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.34%).
Nota: Para 'savings__saldo positivo superior a 1000 DM' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.97%).
Advertencia: Para 'savings__saldo positivo superior a 1000 DM' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.03%).
Nota: Para 'savings__sin cuenta de ahorros' = 0, casi todos pertenecen a 'employ__desempleado' = 0 (96.25%).
Advertencia: Para 'savings__sin cuenta de ahorros' = 0, la proporción de 'employ__desempleado' = 1 es muy baja (3.75%).
Nota: Para 'savings__sin cuenta de ahorros' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (96.56%).
Advertencia: Para 'savings__sin cuenta de ahorros' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (3.44%).
Nota: Para 'savings__sin cuenta de ahorros' = 0, casi todos pertenecen a 'others__garante' = 0 (98.12%).
Advertencia: Para 'savings__sin cuenta de ahorros' = 0, la proporción de 'others__garante' = 1 es muy baja (1.88%).
Nota: Para 'savings__sin cuenta de ahorros' = 0, casi todos pertenecen a 'otherplans__banco' = 0 (95.31%).
Advertencia: Para 'savings__sin cuenta de ahorros' = 0, la proporción de 'otherplans__banco' = 1 es muy baja (4.69%).
Nota: Para 'savings__sin cuenta de ahorros' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.75%).
Advertencia: Para 'savings__sin cuenta de ahorros' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.25%).
Nota: Para 'savings__sin cuenta de ahorros' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.29%).
Advertencia: Para 'savings__sin cuenta de ahorros' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.71%).
Nota: Para 'employ__desempleado' = 1, casi todos pertenecen a 'employ__empleado de 1 a 4 años' = 0 (100.00%).
Advertencia: Para 'employ__desempleado' = 1, la proporción de 'employ__empleado de 1 a 4 años' = 1 es muy baja (0.00%).
Nota: Para 'employ__desempleado' = 1, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).
Advertencia: Para 'employ__desempleado' = 1, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).
Nota: Para 'employ__desempleado' = 1, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).
Advertencia: Para 'employ__desempleado' = 1, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).
Nota: Para 'employ__desempleado' = 1, casi todos pertenecen a 'employ__empleado más de 7 años' = 0 (100.00%).
Advertencia: Para 'employ__desempleado' = 1, la proporción de 'employ__empleado más de 7 años' = 1 es muy baja (0.00%).
Nota: Para 'employ__desempleado' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.90%).
Advertencia: Para 'employ__desempleado' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.10%).
Nota: Para 'employ__desempleado' = 1, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'employ__desempleado' = 1, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'employ__desempleado' = 0, casi todos pertenecen a 'otherplans__banco' = 0 (95.11%).
Advertencia: Para 'employ__desempleado' = 0, la proporción de 'otherplans__banco' = 1 es muy baja (4.89%).
Nota: Para 'employ__desempleado' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (99.34%).
Advertencia: Para 'employ__desempleado' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.66%).
Nota: Para 'employ__desempleado' = 1, casi todos pertenecen a 'job__no calificado residente' = 0 (97.67%).
Advertencia: Para 'employ__desempleado' = 1, la proporción de 'job__no calificado residente' = 1 es muy baja (2.33%).
Nota: Para 'employ__desempleado' = 1, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (95.35%).
Advertencia: Para 'employ__desempleado' = 1, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (4.65%).
Nota: Para 'employ__desempleado' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (97.67%).
Advertencia: Para 'employ__desempleado' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (2.33%).
Nota: Para 'employ__empleado de 1 a 4 años' = 1, casi todos pertenecen a 'employ__empleado de 4 a 7 años' = 0 (100.00%).
Advertencia: Para 'employ__empleado de 1 a 4 años' = 1, la proporción de 'employ__empleado de 4 a 7 años' = 1 es muy baja (0.00%).
Nota: Para 'employ__empleado de 1 a 4 años' = 1, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).
Advertencia: Para 'employ__empleado de 1 a 4 años' = 1, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).
Nota: Para 'employ__empleado de 1 a 4 años' = 1, casi todos pertenecen a 'employ__empleado más de 7 años' = 0 (100.00%).
Advertencia: Para 'employ__empleado de 1 a 4 años' = 1, la proporción de 'employ__empleado más de 7 años' = 1 es muy baja (0.00%).
Nota: Para 'employ__empleado de 1 a 4 años' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.51%).
Advertencia: Para 'employ__empleado de 1 a 4 años' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.49%).
Nota: Para 'employ__empleado de 1 a 4 años' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (95.47%).
Advertencia: Para 'employ__empleado de 1 a 4 años' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (4.53%).
Nota: Para 'employ__empleado de 1 a 4 años' = 0, casi todos pertenecen a 'others__garante' = 0 (96.26%).
Advertencia: Para 'employ__empleado de 1 a 4 años' = 0, la proporción de 'others__garante' = 1 es muy baja (3.74%).
Nota: Para 'employ__empleado de 1 a 4 años' = 0, casi todos pertenecen a 'otherplans__banco' = 0 (95.33%).
Advertencia: Para 'employ__empleado de 1 a 4 años' = 0, la proporción de 'otherplans__banco' = 1 es muy baja (4.67%).
Nota: Para 'employ__empleado de 1 a 4 años' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.01%).
Advertencia: Para 'employ__empleado de 1 a 4 años' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.99%).
Nota: Para 'employ__empleado de 1 a 4 años' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (99.62%).
Advertencia: Para 'employ__empleado de 1 a 4 años' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.38%).
Nota: Para 'employ__empleado de 4 a 7 años' = 1, casi todos pertenecen a 'employ__empleado menos de 1 año' = 0 (100.00%).
Advertencia: Para 'employ__empleado de 4 a 7 años' = 1, la proporción de 'employ__empleado menos de 1 año' = 1 es muy baja (0.00%).
Nota: Para 'employ__empleado de 4 a 7 años' = 1, casi todos pertenecen a 'employ__empleado más de 7 años' = 0 (100.00%).
Advertencia: Para 'employ__empleado de 4 a 7 años' = 1, la proporción de 'employ__empleado más de 7 años' = 1 es muy baja (0.00%).
Nota: Para 'employ__empleado de 4 a 7 años' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.43%).
Advertencia: Para 'employ__empleado de 4 a 7 años' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.57%).
Nota: Para 'employ__empleado de 4 a 7 años' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (95.80%).
Advertencia: Para 'employ__empleado de 4 a 7 años' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (4.20%).
Nota: Para 'employ__empleado de 4 a 7 años' = 1, casi todos pertenecen a 'others__garante' = 0 (95.10%).
Advertencia: Para 'employ__empleado de 4 a 7 años' = 1, la proporción de 'others__garante' = 1 es muy baja (4.90%).
Nota: Para 'employ__empleado de 4 a 7 años' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (96.50%).
Advertencia: Para 'employ__empleado de 4 a 7 años' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (3.50%).
Nota: Para 'employ__empleado de 4 a 7 años' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.41%).
Advertencia: Para 'employ__empleado de 4 a 7 años' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.59%).
Nota: Para 'employ__empleado de 4 a 7 años' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'employ__empleado de 4 a 7 años' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'employ__empleado de 4 a 7 años' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (97.20%).
Advertencia: Para 'employ__empleado de 4 a 7 años' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (2.80%).
Nota: Para 'employ__empleado menos de 1 año' = 1, casi todos pertenecen a 'employ__empleado más de 7 años' = 0 (100.00%).
Advertencia: Para 'employ__empleado menos de 1 año' = 1, la proporción de 'employ__empleado más de 7 años' = 1 es muy baja (0.00%).
Nota: Para 'employ__empleado menos de 1 año' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.30%).
Advertencia: Para 'employ__empleado menos de 1 año' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.70%).
Nota: Para 'employ__empleado menos de 1 año' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (96.45%).
Advertencia: Para 'employ__empleado menos de 1 año' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (3.55%).
Nota: Para 'employ__empleado menos de 1 año' = 1, casi todos pertenecen a 'others__garante' = 0 (95.74%).
Advertencia: Para 'employ__empleado menos de 1 año' = 1, la proporción de 'others__garante' = 1 es muy baja (4.26%).
Nota: Para 'employ__empleado menos de 1 año' = 1, casi todos pertenecen a 'housing__gratis' = 0 (97.87%).
Advertencia: Para 'employ__empleado menos de 1 año' = 1, la proporción de 'housing__gratis' = 1 es muy baja (2.13%).
Nota: Para 'employ__empleado menos de 1 año' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.03%).
Advertencia: Para 'employ__empleado menos de 1 año' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.97%).
Nota: Para 'employ__empleado menos de 1 año' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.16%).
Advertencia: Para 'employ__empleado menos de 1 año' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.84%).
Nota: Para 'employ__empleado más de 7 años' = 0, casi todos pertenecen a 'others__co-deudor' = 0 (95.27%).
Advertencia: Para 'employ__empleado más de 7 años' = 0, la proporción de 'others__co-deudor' = 1 es muy baja (4.73%).
Nota: Para 'employ__empleado más de 7 años' = 1, casi todos pertenecen a 'others__co-deudor' = 0 (96.15%).
Advertencia: Para 'employ__empleado más de 7 años' = 1, la proporción de 'others__co-deudor' = 1 es muy baja (3.85%).
Nota: Para 'employ__empleado más de 7 años' = 1, casi todos pertenecen a 'others__garante' = 0 (96.63%).
Advertencia: Para 'employ__empleado más de 7 años' = 1, la proporción de 'others__garante' = 1 es muy baja (3.37%).
Nota: Para 'employ__empleado más de 7 años' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (96.15%).
Advertencia: Para 'employ__empleado más de 7 años' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (3.85%).
Nota: Para 'employ__empleado más de 7 años' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.13%).
Advertencia: Para 'employ__empleado más de 7 años' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.87%).
Nota: Para 'employ__empleado más de 7 años' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'employ__empleado más de 7 años' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'employ__empleado más de 7 años' = 1, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (95.67%).
Advertencia: Para 'employ__empleado más de 7 años' = 1, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (4.33%).
Nota: Para 'employ__empleado más de 7 años' = 0, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.10%).
Advertencia: Para 'employ__empleado más de 7 años' = 0, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.90%).
Nota: Para 'others__co-deudor' = 1, casi todos pertenecen a 'others__garante' = 0 (100.00%).
Advertencia: Para 'others__co-deudor' = 1, la proporción de 'others__garante' = 1 es muy baja (0.00%).
Nota: Para 'others__co-deudor' = 1, casi todos pertenecen a 'others__ninguno' = 0 (100.00%).
Advertencia: Para 'others__co-deudor' = 1, la proporción de 'others__ninguno' = 1 es muy baja (0.00%).
Nota: Para 'others__co-deudor' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (97.22%).
Advertencia: Para 'others__co-deudor' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (2.78%).
Nota: Para 'others__co-deudor' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.04%).
Advertencia: Para 'others__co-deudor' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.96%).
Nota: Para 'others__co-deudor' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'others__co-deudor' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Advertencia: Para 'others__garante' = 0, la proporción de 'others__ninguno' = 0 es muy baja (4.74%).
Nota: Para 'others__garante' = 0, casi todos pertenecen a 'others__ninguno' = 1 (95.26%).
Nota: Para 'others__garante' = 1, casi todos pertenecen a 'others__ninguno' = 0 (100.00%).
Advertencia: Para 'others__garante' = 1, la proporción de 'others__ninguno' = 1 es muy baja (0.00%).
Nota: Para 'others__garante' = 1, casi todos pertenecen a 'property__sin propiedad' = 0 (95.12%).
Advertencia: Para 'others__garante' = 1, la proporción de 'property__sin propiedad' = 1 es muy baja (4.88%).
Nota: Para 'others__garante' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (97.56%).
Advertencia: Para 'others__garante' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (2.44%).
Nota: Para 'others__garante' = 1, casi todos pertenecen a 'housing__gratis' = 0 (97.56%).
Advertencia: Para 'others__garante' = 1, la proporción de 'housing__gratis' = 1 es muy baja (2.44%).
Nota: Para 'others__garante' = 1, casi todos pertenecen a 'job__altamente calificado/funcionario' = 0 (97.56%).
Advertencia: Para 'others__garante' = 1, la proporción de 'job__altamente calificado/funcionario' = 1 es muy baja (2.44%).
Nota: Para 'others__garante' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.76%).
Advertencia: Para 'others__garante' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.24%).
Nota: Para 'others__garante' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'others__garante' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'others__garante' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (97.56%).
Advertencia: Para 'others__garante' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (2.44%).
Nota: Para 'others__ninguno' = 0, casi todos pertenecen a 'otherplans__banco' = 0 (97.40%).
Advertencia: Para 'others__ninguno' = 0, la proporción de 'otherplans__banco' = 1 es muy baja (2.60%).
Nota: Para 'others__ninguno' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.40%).
Advertencia: Para 'others__ninguno' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.60%).
Nota: Para 'others__ninguno' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.93%).
Advertencia: Para 'others__ninguno' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.07%).
Nota: Para 'others__ninguno' = 0, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (98.70%).
Advertencia: Para 'others__ninguno' = 0, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (1.30%).
Nota: Para 'property__automóvil' = 1, casi todos pertenecen a 'property__bienes inmuebles' = 0 (100.00%).
Advertencia: Para 'property__automóvil' = 1, la proporción de 'property__bienes inmuebles' = 1 es muy baja (0.00%).
Nota: Para 'property__automóvil' = 1, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).
Advertencia: Para 'property__automóvil' = 1, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).
Nota: Para 'property__automóvil' = 1, casi todos pertenecen a 'property__sin propiedad' = 0 (100.00%).
Advertencia: Para 'property__automóvil' = 1, la proporción de 'property__sin propiedad' = 1 es muy baja (0.00%).
Nota: Para 'property__automóvil' = 0, casi todos pertenecen a 'otherplans__banco' = 0 (95.16%).
Advertencia: Para 'property__automóvil' = 0, la proporción de 'otherplans__banco' = 1 es muy baja (4.84%).
Nota: Para 'property__automóvil' = 1, casi todos pertenecen a 'housing__gratis' = 0 (99.62%).
Advertencia: Para 'property__automóvil' = 1, la proporción de 'housing__gratis' = 1 es muy baja (0.38%).
Nota: Para 'property__automóvil' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.77%).
Advertencia: Para 'property__automóvil' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.23%).
Nota: Para 'property__automóvil' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.10%).
Advertencia: Para 'property__automóvil' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.90%).
Nota: Para 'property__automóvil' = 0, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.16%).
Advertencia: Para 'property__automóvil' = 0, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.84%).
Nota: Para 'property__bienes inmuebles' = 1, casi todos pertenecen a 'property__seguro de vida' = 0 (100.00%).
Advertencia: Para 'property__bienes inmuebles' = 1, la proporción de 'property__seguro de vida' = 1 es muy baja (0.00%).
Nota: Para 'property__bienes inmuebles' = 1, casi todos pertenecen a 'property__sin propiedad' = 0 (100.00%).
Advertencia: Para 'property__bienes inmuebles' = 1, la proporción de 'property__sin propiedad' = 1 es muy baja (0.00%).
Nota: Para 'property__bienes inmuebles' = 1, casi todos pertenecen a 'housing__gratis' = 0 (99.57%).
Advertencia: Para 'property__bienes inmuebles' = 1, la proporción de 'housing__gratis' = 1 es muy baja (0.43%).
Nota: Para 'property__bienes inmuebles' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.24%).
Advertencia: Para 'property__bienes inmuebles' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.76%).
Nota: Para 'property__bienes inmuebles' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.00%).
Advertencia: Para 'property__bienes inmuebles' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (3.00%).
Nota: Para 'property__bienes inmuebles' = 0, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.24%).
Advertencia: Para 'property__bienes inmuebles' = 0, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.76%).
Nota: Para 'property__seguro de vida' = 1, casi todos pertenecen a 'property__sin propiedad' = 0 (100.00%).
Advertencia: Para 'property__seguro de vida' = 1, la proporción de 'property__sin propiedad' = 1 es muy baja (0.00%).
Nota: Para 'property__seguro de vida' = 1, casi todos pertenecen a 'housing__gratis' = 0 (98.94%).
Advertencia: Para 'property__seguro de vida' = 1, la proporción de 'housing__gratis' = 1 es muy baja (1.06%).
Nota: Para 'property__seguro de vida' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.55%).
Advertencia: Para 'property__seguro de vida' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.45%).
Nota: Para 'property__seguro de vida' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.94%).
Advertencia: Para 'property__seguro de vida' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.06%).
Nota: Para 'property__seguro de vida' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.30%).
Advertencia: Para 'property__seguro de vida' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.70%).
Nota: Para 'property__sin propiedad' = 1, casi todos pertenecen a 'otherplans__banco' = 0 (96.52%).
Advertencia: Para 'property__sin propiedad' = 1, la proporción de 'otherplans__banco' = 1 es muy baja (3.48%).
Nota: Para 'property__sin propiedad' = 0, casi todos pertenecen a 'housing__gratis' = 0 (99.42%).
Advertencia: Para 'property__sin propiedad' = 0, la proporción de 'housing__gratis' = 1 es muy baja (0.58%).
Nota: Para 'property__sin propiedad' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.96%).
Advertencia: Para 'property__sin propiedad' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.04%).
Nota: Para 'property__sin propiedad' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.39%).
Advertencia: Para 'property__sin propiedad' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.61%).
Nota: Para 'property__sin propiedad' = 1, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (99.13%).
Advertencia: Para 'property__sin propiedad' = 1, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.87%).
Nota: Para 'property__sin propiedad' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.52%).
Advertencia: Para 'property__sin propiedad' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.48%).
Nota: Para 'otherplans__banco' = 1, casi todos pertenecen a 'otherplans__ninguno' = 0 (100.00%).
Advertencia: Para 'otherplans__banco' = 1, la proporción de 'otherplans__ninguno' = 1 es muy baja (0.00%).
Nota: Para 'otherplans__banco' = 1, casi todos pertenecen a 'otherplans__tiendas' = 0 (100.00%).
Advertencia: Para 'otherplans__banco' = 1, la proporción de 'otherplans__tiendas' = 1 es muy baja (0.00%).
Nota: Para 'otherplans__banco' = 1, casi todos pertenecen a 'housing__alquiler' = 0 (97.56%).
Advertencia: Para 'otherplans__banco' = 1, la proporción de 'housing__alquiler' = 1 es muy baja (2.44%).
Nota: Para 'otherplans__banco' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.76%).
Advertencia: Para 'otherplans__banco' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.24%).
Nota: Para 'otherplans__banco' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'otherplans__banco' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'otherplans__banco' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (97.56%).
Advertencia: Para 'otherplans__banco' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (2.44%).
Nota: Para 'otherplans__ninguno' = 1, casi todos pertenecen a 'otherplans__tiendas' = 0 (100.00%).
Advertencia: Para 'otherplans__ninguno' = 1, la proporción de 'otherplans__tiendas' = 1 es muy baja (0.00%).
Nota: Para 'otherplans__ninguno' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.70%).
Advertencia: Para 'otherplans__ninguno' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.30%).
Nota: Para 'otherplans__ninguno' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (99.04%).
Advertencia: Para 'otherplans__ninguno' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.96%).
Nota: Para 'otherplans__ninguno' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.15%).
Advertencia: Para 'otherplans__ninguno' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.85%).
Nota: Para 'otherplans__tiendas' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (99.31%).
Advertencia: Para 'otherplans__tiendas' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.69%).
Nota: Para 'otherplans__tiendas' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.56%).
Advertencia: Para 'otherplans__tiendas' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.44%).
Nota: Para 'otherplans__tiendas' = 0, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.55%).
Advertencia: Para 'otherplans__tiendas' = 0, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.45%).
Nota: Para 'housing__alquiler' = 1, casi todos pertenecen a 'housing__gratis' = 0 (100.00%).
Advertencia: Para 'housing__alquiler' = 1, la proporción de 'housing__gratis' = 1 es muy baja (0.00%).
Nota: Para 'housing__alquiler' = 1, casi todos pertenecen a 'housing__propietario' = 0 (100.00%).
Advertencia: Para 'housing__alquiler' = 1, la proporción de 'housing__propietario' = 1 es muy baja (0.00%).
Nota: Para 'housing__alquiler' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.73%).
Advertencia: Para 'housing__alquiler' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.27%).
Nota: Para 'housing__alquiler' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.56%).
Advertencia: Para 'housing__alquiler' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.44%).
Nota: Para 'housing__alquiler' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.40%).
Advertencia: Para 'housing__alquiler' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.60%).
Nota: Para 'housing__gratis' = 1, casi todos pertenecen a 'housing__propietario' = 0 (100.00%).
Advertencia: Para 'housing__gratis' = 1, la proporción de 'housing__propietario' = 1 es muy baja (0.00%).
Nota: Para 'housing__gratis' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (98.05%).
Advertencia: Para 'housing__gratis' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (1.95%).
Nota: Para 'housing__gratis' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (96.34%).
Advertencia: Para 'housing__gratis' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (3.66%).
Nota: Para 'housing__gratis' = 1, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (100.00%).
Advertencia: Para 'housing__gratis' = 1, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (0.00%).
Nota: Para 'housing__gratis' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (97.56%).
Advertencia: Para 'housing__gratis' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (2.44%).
Nota: Para 'housing__propietario' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.74%).
Advertencia: Para 'housing__propietario' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.26%).
Nota: Para 'housing__propietario' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.93%).
Advertencia: Para 'housing__propietario' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.07%).
Nota: Para 'housing__propietario' = 0, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (96.83%).
Advertencia: Para 'housing__propietario' = 0, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (3.17%).
Nota: Para 'job__altamente calificado/funcionario' = 1, casi todos pertenecen a 'job__calificado' = 0 (100.00%).
Advertencia: Para 'job__altamente calificado/funcionario' = 1, la proporción de 'job__calificado' = 1 es muy baja (0.00%).
Nota: Para 'job__altamente calificado/funcionario' = 0, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (97.51%).
Advertencia: Para 'job__altamente calificado/funcionario' = 0, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (2.49%).
Nota: Para 'job__altamente calificado/funcionario' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'job__altamente calificado/funcionario' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'job__altamente calificado/funcionario' = 1, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).
Advertencia: Para 'job__altamente calificado/funcionario' = 1, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).
Nota: Para 'job__altamente calificado/funcionario' = 1, casi todos pertenecen a 'estado_civil__casado/viudo' = 0 (96.58%).
Advertencia: Para 'job__altamente calificado/funcionario' = 1, la proporción de 'estado_civil__casado/viudo' = 1 es muy baja (3.42%).
Nota: Para 'job__altamente calificado/funcionario' = 0, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.31%).
Advertencia: Para 'job__altamente calificado/funcionario' = 0, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.69%).
Nota: Para 'job__calificado' = 1, casi todos pertenecen a 'job__desempleado/no calificado' = 0 (100.00%).
Advertencia: Para 'job__calificado' = 1, la proporción de 'job__desempleado/no calificado' = 1 es muy baja (0.00%).
Nota: Para 'job__calificado' = 1, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).
Advertencia: Para 'job__calificado' = 1, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).
Nota: Para 'job__calificado' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.07%).
Advertencia: Para 'job__calificado' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.93%).
Nota: Para 'job__desempleado/no calificado' = 1, casi todos pertenecen a 'job__no calificado residente' = 0 (100.00%).
Advertencia: Para 'job__desempleado/no calificado' = 1, la proporción de 'job__no calificado residente' = 1 es muy baja (0.00%).
Nota: Para 'job__desempleado/no calificado' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'job__desempleado/no calificado' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'job__no calificado residente' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.60%).
Advertencia: Para 'job__no calificado residente' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.40%).
Advertencia: Para 'telephone__no' = 0, la proporción de 'telephone__sí' = 0 es muy baja (0.00%).
Nota: Para 'telephone__no' = 0, casi todos pertenecen a 'telephone__sí' = 1 (100.00%).
Nota: Para 'telephone__no' = 1, casi todos pertenecen a 'telephone__sí' = 0 (100.00%).
Advertencia: Para 'telephone__no' = 1, la proporción de 'telephone__sí' = 1 es muy baja (0.00%).
Nota: Para 'telephone__no' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.62%).
Advertencia: Para 'telephone__no' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.38%).
Nota: Para 'telephone__sí' = 0, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (95.62%).
Advertencia: Para 'telephone__sí' = 0, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (4.38%).
Nota: Para 'estado_civil__casado/viudo' = 1, casi todos pertenecen a 'estado_civil__divorciada/separada/casada' = 0 (100.00%).
Advertencia: Para 'estado_civil__casado/viudo' = 1, la proporción de 'estado_civil__divorciada/separada/casada' = 1 es muy baja (0.00%).
Nota: Para 'estado_civil__casado/viudo' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'estado_civil__casado/viudo' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'estado_civil__casado/viudo' = 1, casi todos pertenecen a 'estado_civil__soltero' = 0 (100.00%).
Advertencia: Para 'estado_civil__casado/viudo' = 1, la proporción de 'estado_civil__soltero' = 1 es muy baja (0.00%).
Nota: Para 'estado_civil__divorciada/separada/casada' = 1, casi todos pertenecen a 'estado_civil__divorciado/separado' = 0 (100.00%).
Advertencia: Para 'estado_civil__divorciada/separada/casada' = 1, la proporción de 'estado_civil__divorciado/separado' = 1 es muy baja (0.00%).
Nota: Para 'estado_civil__divorciada/separada/casada' = 1, casi todos pertenecen a 'estado_civil__soltero' = 0 (100.00%).
Advertencia: Para 'estado_civil__divorciada/separada/casada' = 1, la proporción de 'estado_civil__soltero' = 1 es muy baja (0.00%).
Nota: Para 'estado_civil__divorciado/separado' = 1, casi todos pertenecen a 'estado_civil__soltero' = 0 (100.00%).
Advertencia: Para 'estado_civil__divorciado/separado' = 1, la proporción de 'estado_civil__soltero' = 1 es muy baja (0.00%).
Registros del grupo privilegiado (`sexo` == 1): 550 (68.75%)
col_0 Conteo class 0 151 1 399
En esta sección se determina que atributos deben ser intervenidos y como se debería realizar dicha intervención
| Attribute | Data Type | Missing Values% | Unique Values% | Minimum Value | Maximum Value | DQ Issue |
|---|---|---|---|---|---|---|
| age | int64 | 0.0 | 6 | 20.0 | 75.0 | Column has 31 outliers greater than upper bound (62.00) or lower than lower bound(6.00). Cap them or remove them. |
| duration | category | 0.0 | 0 | NaN | NaN | No issue |
| amount | category | 0.0 | 0 | NaN | NaN | No issue |
| installment | category | 0.0 | 0 | NaN | NaN | No issue |
| residence | category | 0.0 | 0 | NaN | NaN | No issue |
| cards | category | 0.0 | 0 | NaN | NaN | 1 rare categories: [4]. Group them into a single category or drop the categories. |
| liable | category | 0.0 | 0 | NaN | NaN | No issue |
| foreign | category | 0.0 | 0 | NaN | NaN | No issue |
| sexo | category | 0.0 | 0 | NaN | NaN | No issue |
| existingchecking__saldo positivo hasta 200 DM | category | 0.0 | 0 | NaN | NaN | No issue |
| existingchecking__saldo positivo superior a 200 DM | category | 0.0 | 0 | NaN | NaN | No issue |
| existingchecking__sin cuenta corriente | category | 0.0 | 0 | NaN | NaN | No issue |
| existingchecking__sin saldo | category | 0.0 | 0 | NaN | NaN | No issue |
| history__créditos existentes pagados puntualmente hasta ahora | category | 0.0 | 0 | NaN | NaN | No issue |
| history__cuenta crítica/otros créditos existentes (no en este banco) | category | 0.0 | 0 | NaN | NaN | No issue |
| history__no créditos tomados | category | 0.0 | 0 | NaN | NaN | No issue |
| history__retraso en el pago en el pasado | category | 0.0 | 0 | NaN | NaN | No issue |
| history__todos los créditos en este banco devueltos a tiempo | category | 0.0 | 0 | NaN | NaN | No issue |
| purpose__coche nuevo | category | 0.0 | 0 | NaN | NaN | No issue |
| purpose__coche usado | category | 0.0 | 0 | NaN | NaN | No issue |
| purpose__educación | category | 0.0 | 0 | NaN | NaN | No issue |
| purpose__electrodomésticos | category | 0.0 | 0 | NaN | NaN | No issue |
| purpose__muebles/equipo | category | 0.0 | 0 | NaN | NaN | No issue |
| purpose__negocios | category | 0.0 | 0 | NaN | NaN | No issue |
| purpose__otros | category | 0.0 | 0 | NaN | NaN | No issue |
| purpose__radio/TV | category | 0.0 | 0 | NaN | NaN | No issue |
| purpose__reparaciones | category | 0.0 | 0 | NaN | NaN | No issue |
| purpose__retraining | category | 0.0 | 0 | NaN | NaN | 1 rare categories: [1]. Group them into a single category or drop the categories. |
| savings__saldo positivo de 100 a 500 DM | category | 0.0 | 0 | NaN | NaN | No issue |
| savings__saldo positivo de 500 a 1000 DM | category | 0.0 | 0 | NaN | NaN | No issue |
| savings__saldo positivo hasta 100 DM | category | 0.0 | 0 | NaN | NaN | No issue |
| savings__saldo positivo superior a 1000 DM | category | 0.0 | 0 | NaN | NaN | No issue |
| savings__sin cuenta de ahorros | category | 0.0 | 0 | NaN | NaN | No issue |
| employ__desempleado | category | 0.0 | 0 | NaN | NaN | No issue |
| employ__empleado de 1 a 4 años | category | 0.0 | 0 | NaN | NaN | No issue |
| employ__empleado de 4 a 7 años | category | 0.0 | 0 | NaN | NaN | No issue |
| employ__empleado menos de 1 año | category | 0.0 | 0 | NaN | NaN | No issue |
| employ__empleado más de 7 años | category | 0.0 | 0 | NaN | NaN | No issue |
| others__co-deudor | category | 0.0 | 0 | NaN | NaN | No issue |
| others__garante | category | 0.0 | 0 | NaN | NaN | No issue |
| others__ninguno | category | 0.0 | 0 | NaN | NaN | No issue |
| property__automóvil | category | 0.0 | 0 | NaN | NaN | No issue |
| property__bienes inmuebles | category | 0.0 | 0 | NaN | NaN | No issue |
| property__seguro de vida | category | 0.0 | 0 | NaN | NaN | No issue |
| property__sin propiedad | category | 0.0 | 0 | NaN | NaN | No issue |
| otherplans__banco | category | 0.0 | 0 | NaN | NaN | No issue |
| otherplans__ninguno | category | 0.0 | 0 | NaN | NaN | No issue |
| otherplans__tiendas | category | 0.0 | 0 | NaN | NaN | No issue |
| housing__alquiler | category | 0.0 | 0 | NaN | NaN | No issue |
| housing__gratis | category | 0.0 | 0 | NaN | NaN | No issue |
| class | category | 0.0 | 0 | NaN | NaN | Target column |
En esta etapa los datos deben ser intervenidos con el fin de que tengan las representaciones adecuadas tanto del caso de uso que se está solucionando
| Metrica | Columna_1 | Columna_2 | Valor | Ranking |
|---|---|---|---|---|
| Chi-cuadrado | telephone__no | telephone__sí | 795.843056 | True |
| Chi-cuadrado | sexo | estado_civil__divorciada/separada/casada | 795.352225 | True |
| Chi-cuadrado | otherplans__ninguno | otherplans__tiendas | 533.669035 | True |
| Chi-cuadrado | property__sin propiedad | housing__gratis | 476.693503 | True |
| Chi-cuadrado | housing__alquiler | housing__propietario | 436.377013 | True |
| Chi-cuadrado | estado_civil__divorciada/separada/casada | estado_civil__soltero | 432.373498 | True |
| Chi-cuadrado | sexo | estado_civil__soltero | 432.373498 | True |
| Chi-cuadrado | history__créditos existentes pagados puntualmente hasta ahora | history__cuenta crítica/otros créditos existentes (no en este banco) | 399.524545 | True |
| Chi-cuadrado | others__garante | others__ninguno | 394.892768 | True |
| Chi-cuadrado | others__co-deudor | others__ninguno | 343.158322 | True |
| ANOVA F-test | employ__empleado más de 7 años | age | 4.603861 | True |
| ANOVA F-test | residence | age | 3.506283 | True |
| ANOVA F-test | housing__gratis | age | 3.051811 | True |
| ANOVA F-test | employ__desempleado | age | 2.828848 | True |
| ANOVA F-test | liable | age | 2.819207 | True |
| ANOVA F-test | estado_civil__soltero | age | 2.711606 | True |
| ANOVA F-test | housing__alquiler | age | 2.580137 | True |
| ANOVA F-test | job__desempleado/no calificado | age | 2.546954 | True |
| ANOVA F-test | history__cuenta crítica/otros créditos existentes (no en este banco) | age | 2.391072 | True |
| ANOVA F-test | sexo | age | 2.335601 | True |
| Mutual Information | telephone__sí | telephone__no | 0.673515 | True |
| Mutual Information | telephone__no | telephone__sí | 0.673515 | True |
| Mutual Information | sexo | estado_civil__divorciada/separada/casada | 0.621086 | True |
| Mutual Information | estado_civil__divorciada/separada/casada | sexo | 0.621086 | True |
| Mutual Information | sexo | estado_civil__soltero | 0.338246 | True |
| Mutual Information | estado_civil__soltero | sexo | 0.338246 | True |
| Mutual Information | estado_civil__divorciada/separada/casada | estado_civil__soltero | 0.338246 | True |
| Mutual Information | estado_civil__soltero | estado_civil__divorciada/separada/casada | 0.338246 | True |
| Mutual Information | history__cuenta crítica/otros créditos existentes (no en este banco) | history__créditos existentes pagados puntualmente hasta ahora | 0.315373 | True |
| Mutual Information | history__créditos existentes pagados puntualmente hasta ahora | history__cuenta crítica/otros créditos existentes (no en este banco) | 0.315373 | True |
Este informe presenta el análisis de equidad realizado sobre el dataset y los modelos evaluados.
| Group | Non-Privileged Label Distribution | Jensen-Shannon Divergence | Kullback-Leibler Divergence | Demographic Parity | Theil Index (Overall) | Theil Index (Within-group) | Theil Index (Between-group) |
|---|---|---|---|---|---|---|---|
| Non-Privileged Group (sexo != 1) | {1: 0.644, 0: 0.356} | 0.010628 | 0.042065 | 0.081455 | 0.0 | 0.0 | 0.0 |
En esta fase se prueban las técnicas y algoritmos de ML más adecuados para abordar el problema en cuestión
La clasificación se trata de predecir etiquetas de clase dados los datos de entrada. En clasificación binaria, hay dos clases de salida posibles; por lo tanto se establece cual valor corresponde a la clase positiva y cual a la negativa, adicionalmente la métrica de rendimiento que se utilizará para definir el mejor de los modelos
| Metrica | Descripcion | Tipo |
|---|---|---|
| average_odds_difference | Promedio de la diferencia en las tasas de falsos positivos y verdaderos positivos entre grupos. | Rendimiento |
| equal_opportunity_difference | Diferencia en la tasa de verdaderos positivos (recall) entre grupos. | Equidad |
| statistical_parity_difference | Diferencia entre las tasas de resultados positivos entre grupos; indica disparidad de selección. | Equidad |
| disparate_impact | Razón entre la tasa de selección de un grupo y la de otro; detecta discriminación si es muy diferente de 1. | Equidad |
| accuracy | Proporción de predicciones correctas respecto al total de muestras; mide el rendimiento general de un modelo. | Rendimiento |
| f1_score | Media armónica entre precisión y recall; equilibra la importancia de falsos positivos y falsos negativos. | Rendimiento |
Cual es el comportamiento de los modelos generados para cada una de las técnicas seleccionadas y de las métricas de rendimiento definidas
| Algoritmo | Fase | Intervencion | Proceso | accuracy | f1_score | average_odds_difference | equal_opportunity_difference | statistical_parity_difference | disparate_impact |
|---|---|---|---|---|---|---|---|---|---|
| ExtraTreesClassifier | BASE_LINE | NONE | BASE_LINE_VALUES | 0.745 | 0.822300 | 0.0000 | -0.025 | -0.026190 | 0.964744 |
| ExtraTreesClassifier | BASE_LINE | ROS | ROS | 0.735 | 0.819113 | -0.0025 | -0.080 | -0.045238 | 0.941896 |
| ExtraTreesClassifier | BASE_LINE | SMOTE | SMOTE | 0.735 | 0.814035 | -0.0250 | -0.075 | -0.059524 | 0.919872 |
| MLPClassifier | BASE_LINE | SMOTE | SMOTE | 0.730 | 0.811189 | -0.1100 | -0.145 | -0.138095 | 0.820988 |
| LinearDiscriminantAnalysis | BASE_LINE | NONE | BASE_LINE_VALUES | 0.705 | 0.794425 | -0.0625 | -0.125 | -0.097619 | 0.872274 |
| LinearDiscriminantAnalysis | BASE_LINE | HYPERPARAMETER | HYPERPARAMETER | 0.705 | 0.794425 | -0.0625 | -0.125 | -0.097619 | 0.872274 |
| LogisticRegressionCV | BASE_LINE | NONE | BASE_LINE_VALUES | 0.705 | 0.792982 | -0.0450 | -0.115 | -0.083333 | 0.888889 |
| MLPClassifier | BASE_LINE | ROS | ROS | 0.705 | 0.783883 | -0.0350 | -0.020 | -0.045238 | 0.933333 |
| RidgeClassifierCV | BASE_LINE | PCA | PCA | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| LinearDiscriminantAnalysis | BASE_LINE | PCA | PCA | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| MLPClassifier | BASE_LINE | PCA | PCA | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| LinearSVC | BASE_LINE | PCA | PCA | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| LogisticRegressionCV | BASE_LINE | PCA | PCA | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| LogisticRegressionCV | BASE_LINE | HYPERPARAMETER | HYPERPARAMETER | 0.700 | 0.793103 | -0.0200 | -0.065 | -0.047619 | 0.937695 |
| RidgeClassifierCV | BASE_LINE | NONE | BASE_LINE_VALUES | 0.700 | 0.791667 | -0.0750 | -0.125 | -0.104762 | 0.864198 |
| LinearDiscriminantAnalysis | BASE_LINE | SMOTE | SMOTE | 0.700 | 0.791667 | -0.0750 | -0.125 | -0.104762 | 0.864198 |
| RidgeClassifierCV | BASE_LINE | SMOTE | SMOTE | 0.700 | 0.790210 | -0.0750 | -0.150 | -0.114286 | 0.850467 |
| LinearSVC | BASE_LINE | NONE | BASE_LINE_VALUES | 0.700 | 0.788732 | -0.0575 | -0.140 | -0.100000 | 0.866667 |
| LogisticRegressionCV | BASE_LINE | SMOTE | SMOTE | 0.700 | 0.788732 | -0.0575 | -0.140 | -0.100000 | 0.866667 |
| LinearSVC | BASE_LINE | SMOTE | SMOTE | 0.700 | 0.787234 | -0.0575 | -0.165 | -0.109524 | 0.852564 |
| LinearSVC | BASE_LINE | ROS | ROS | 0.695 | 0.762646 | 0.0475 | -0.105 | -0.026190 | 0.955823 |
| MLPClassifier | BASE_LINE | HYPERPARAMETER | HYPERPARAMETER | 0.690 | 0.783217 | -0.0300 | -0.035 | -0.042857 | 0.942308 |
| MLPClassifier | BASE_LINE | NONE | BASE_LINE_VALUES | 0.685 | 0.775801 | -0.0425 | -0.110 | -0.078571 | 0.892157 |
| LogisticRegressionCV | BASE_LINE | ROS | ROS | 0.685 | 0.750988 | 0.0575 | -0.110 | -0.021429 | 0.962500 |
| RidgeClassifierCV | BASE_LINE | ROS | ROS | 0.685 | 0.749004 | 0.0175 | -0.065 | -0.030952 | 0.945148 |
| LinearDiscriminantAnalysis | BASE_LINE | ROS | ROS | 0.685 | 0.749004 | 0.0000 | -0.100 | -0.054762 | 0.904167 |
| RidgeClassifierCV | BASE_LINE | RUS | RUS | 0.680 | 0.741935 | 0.0025 | -0.045 | -0.033333 | 0.939394 |
| LogisticRegressionCV | BASE_LINE | RUS | RUS | 0.680 | 0.739837 | 0.0025 | -0.070 | -0.042857 | 0.921053 |
| MLPClassifier | BASE_LINE | RUS | RUS | 0.665 | 0.735178 | 0.0750 | 0.050 | 0.050000 | 1.090909 |
| LinearSVC | BASE_LINE | RUS | RUS | 0.665 | 0.730924 | -0.0175 | -0.035 | -0.040476 | 0.927350 |
| LinearDiscriminantAnalysis | BASE_LINE | RUS | RUS | 0.665 | 0.728745 | -0.0175 | -0.060 | -0.050000 | 0.909091 |
| ExtraTreesClassifier | BASE_LINE | RUS | RUS | 0.620 | 0.672414 | -0.1150 | -0.255 | -0.180952 | 0.648148 |
| ExtraTreesClassifier | BASE_LINE | PCA | PCA | 0.575 | 0.684015 | -0.0475 | -0.220 | -0.111905 | 0.835088 |
Una vez establecido el modelo que se utilizará se procede nuevamente a realizar la evaluación de las métricas definidas, para revisar varios aspectos para comprender la calidad y el rendimiento del modelo
Algunas de las métricas utilizadas para detectar la justicia en las decisiones que se toman, se soportan en el análisis de la matriz de confusión...
Integrar métodos de identificación y mitigación de sesgos en modelos de ML requiere una comprensión de los objetivos por el cual se requiere automatizar la toma de decisiones...
Consiste en ajustar los datos antes de iniciar el proceso de entrenamiento...
| Algoritmo | Fase | Intervencion | Proceso | accuracy | f1_score | average_odds_difference | equal_opportunity_difference | statistical_parity_difference | disparate_impact |
|---|---|---|---|---|---|---|---|---|---|
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_FOS | 0.760 | 0.832168 | -3.500000e-02 | -0.070 | -0.066667 | 0.911111 |
| ExtraTreesClassifier | PREPROCESSING | FOS | FOS | 0.745 | 0.822300 | 2.500000e-03 | -0.095 | -0.050000 | 0.933333 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_GAN | 0.735 | 0.833856 | -1.000000e-02 | -0.070 | -0.040476 | 0.955381 |
| ExtraTreesClassifier | PREPROCESSING | FAIR_GAN | FAIR_PCA | 0.735 | 0.831746 | 5.000000e-03 | -0.015 | -0.011905 | 0.986450 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_ROS | 0.735 | 0.819113 | -5.750000e-02 | -0.115 | -0.092857 | 0.882883 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_DEMV | 0.735 | 0.810036 | 1.000000e-02 | -0.080 | -0.040476 | 0.942761 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS | 0.730 | 0.813793 | -5.500000e-02 | -0.060 | -0.071429 | 0.907407 |
| ExtraTreesClassifier | PREPROCESSING | FAIR_GAN | FAIR_GAN | 0.725 | 0.827586 | -1.750000e-02 | -0.060 | -0.040476 | 0.955381 |
| ExtraTreesClassifier | PREPROCESSING | FOS | FAIR_PCA | 0.725 | 0.808362 | 5.000000e-03 | -0.040 | -0.026190 | 0.964744 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_BAL_GAN_FAIR | 0.725 | 0.804270 | 9.500000e-02 | -0.010 | 0.040476 | 1.058419 |
| ExtraTreesClassifier | PREPROCESSING | DEMV | DEMV | 0.725 | 0.800000 | 9.250000e-02 | -0.015 | 0.035714 | 1.053763 |
| MLPClassifier | PREPROCESSING | BAL_GAN_FAIR | BAL_GAN_FAIR | 0.725 | 0.800000 | 7.500000e-02 | -0.050 | 0.011905 | 1.017730 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_BAL_GAN_FAIR | 0.725 | 0.794007 | -4.000000e-02 | -0.080 | -0.073810 | 0.887681 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_FOS | 0.720 | 0.802817 | 4.750000e-02 | -0.055 | -0.004762 | 0.993399 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_DEMV | 0.720 | 0.795620 | -5.000000e-02 | -0.075 | -0.076190 | 0.890034 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_ROS | 0.720 | 0.789474 | 2.500000e-03 | -0.070 | -0.042857 | 0.933333 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA | 0.715 | 0.806780 | -1.075000e-01 | -0.140 | -0.130952 | 0.839181 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_ROS | 0.715 | 0.805461 | -1.500000e-02 | -0.130 | -0.069048 | 0.912121 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA | 0.715 | 0.802768 | 3.750000e-02 | -0.075 | -0.016667 | 0.977778 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_BAL_GAN_FAIR | 0.715 | 0.797153 | 3.250000e-02 | -0.035 | -0.007143 | 0.989899 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_SMOTE | 0.715 | 0.795699 | -9.500000e-02 | -0.165 | -0.135714 | 0.815534 |
| ExtraTreesClassifier | PREPROCESSING | BAL_GAN_FAIR | BAL_GAN_FAIR | 0.715 | 0.792727 | 1.025000e-01 | 0.030 | 0.059524 | 1.090580 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_GAN | 0.710 | 0.815287 | 5.250000e-02 | -0.020 | 0.019048 | 1.022039 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA | 0.710 | 0.798611 | -8.500000e-02 | -0.170 | -0.128571 | 0.834862 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_SMOTE | 0.710 | 0.791367 | -7.250000e-02 | -0.120 | -0.104762 | 0.854785 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_FOS | 0.710 | 0.791367 | 5.750000e-02 | -0.085 | -0.009524 | 0.986254 |
| RidgeClassifierCV | PREPROCESSING | FOS | FOS | 0.710 | 0.788321 | 5.500000e-02 | -0.065 | -0.004762 | 0.992908 |
| LogisticRegressionCV | PREPROCESSING | FOS | HYPERPARAMETER_FAIR_PCA | 0.710 | 0.788321 | 3.750000e-02 | -0.100 | -0.028571 | 0.957895 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FOS | 0.710 | 0.788321 | 5.500000e-02 | -0.065 | -0.004762 | 0.992908 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FOS | 0.710 | 0.788321 | 3.750000e-02 | -0.100 | -0.028571 | 0.957895 |
| MLPClassifier | PREPROCESSING | BAL_GAN_FAIR | HYPERPARAMETER | 0.710 | 0.786765 | 7.250000e-02 | -0.055 | 0.009524 | 1.014493 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER | 0.705 | 0.797251 | -6.250000e-02 | -0.075 | -0.078571 | 0.899083 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS | 0.705 | 0.794425 | -6.250000e-02 | -0.125 | -0.097619 | 0.872274 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS | 0.705 | 0.794425 | -6.250000e-02 | -0.125 | -0.097619 | 0.872274 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER | 0.705 | 0.794425 | -6.250000e-02 | -0.125 | -0.097619 | 0.872274 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_SMOTE | 0.705 | 0.791519 | 1.000000e-02 | -0.105 | -0.045238 | 0.937908 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_SMOTE | 0.705 | 0.791519 | -4.500000e-02 | -0.140 | -0.092857 | 0.875000 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_SMOTE | 0.705 | 0.790036 | -1.000000e-01 | -0.200 | -0.150000 | 0.800000 |
| ExtraTreesClassifier | PREPROCESSING | BAL_GAN_FAIR | FAIR_PCA | 0.705 | 0.788530 | 4.500000e-02 | -0.085 | -0.016667 | 0.976190 |
| MLPClassifier | PREPROCESSING | BAL_GAN_FAIR | HYPERPARAMETER_FAIR_PCA | 0.705 | 0.788530 | -3.000000e-02 | -0.085 | -0.064286 | 0.910000 |
| LinearDiscriminantAnalysis | PREPROCESSING | FOS | FAIR_PCA | 0.705 | 0.787004 | 7.500000e-03 | -0.110 | -0.050000 | 0.928571 |
| MLPClassifier | PREPROCESSING | FOS | FAIR_PCA | 0.705 | 0.787004 | 8.000000e-02 | -0.040 | 0.021429 | 1.031579 |
| LinearSVC | PREPROCESSING | FOS | FAIR_PCA | 0.705 | 0.787004 | 7.500000e-03 | -0.110 | -0.050000 | 0.928571 |
| LinearDiscriminantAnalysis | PREPROCESSING | FOS | HYPERPARAMETER_FAIR_PCA | 0.705 | 0.787004 | 7.500000e-03 | -0.110 | -0.050000 | 0.928571 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_FOS | 0.705 | 0.787004 | 7.500000e-03 | -0.110 | -0.050000 | 0.928571 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FOS | 0.705 | 0.787004 | 7.500000e-03 | -0.110 | -0.050000 | 0.928571 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FOS | 0.705 | 0.787004 | 7.500000e-03 | -0.110 | -0.050000 | 0.928571 |
| ExtraTreesClassifier | PREPROCESSING | DEMV | FAIR_PCA | 0.705 | 0.785455 | 2.500000e-02 | -0.100 | -0.035714 | 0.947917 |
| LogisticRegressionCV | PREPROCESSING | FOS | FAIR_PCA | 0.705 | 0.785455 | 2.500000e-02 | -0.100 | -0.035714 | 0.947917 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FOS | 0.705 | 0.785455 | 2.500000e-02 | -0.100 | -0.035714 | 0.947917 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_BAL_GAN_FAIR | 0.705 | 0.785455 | 5.000000e-03 | -0.065 | -0.035714 | 0.947917 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_ROS | 0.705 | 0.783883 | -8.750000e-02 | -0.125 | -0.116667 | 0.833333 |
| LinearSVC | PREPROCESSING | DEMV | DEMV | 0.705 | 0.777358 | 3.750000e-02 | -0.050 | -0.011905 | 0.981061 |
| MLPClassifier | PREPROCESSING | DEMV | FAIR_PCA | 0.705 | 0.777358 | -1.750000e-02 | -0.085 | -0.059524 | 0.907407 |
| LinearSVC | PREPROCESSING | BAL_GAN_FAIR | BAL_GAN_FAIR | 0.705 | 0.777358 | 3.750000e-02 | -0.050 | -0.011905 | 0.981061 |
| LogisticRegressionCV | PREPROCESSING | BAL_GAN_FAIR | HYPERPARAMETER | 0.705 | 0.777358 | 3.750000e-02 | -0.050 | -0.011905 | 0.981061 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_BAL_GAN_FAIR | 0.705 | 0.777358 | 3.750000e-02 | -0.050 | -0.011905 | 0.981061 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_BAL_GAN_FAIR | 0.705 | 0.777358 | 3.750000e-02 | -0.050 | -0.011905 | 0.981061 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_DEMV | 0.705 | 0.777358 | 3.750000e-02 | -0.050 | -0.011905 | 0.981061 |
| LinearDiscriminantAnalysis | PREPROCESSING | DEMV | DEMV | 0.705 | 0.775665 | 2.775558e-17 | -0.075 | -0.045238 | 0.928030 |
| LogisticRegressionCV | PREPROCESSING | DEMV | DEMV | 0.705 | 0.775665 | 5.500000e-02 | -0.040 | 0.002381 | 1.003876 |
| LinearDiscriminantAnalysis | PREPROCESSING | DEMV | HYPERPARAMETER | 0.705 | 0.775665 | 2.775558e-17 | -0.075 | -0.045238 | 0.928030 |
| LinearDiscriminantAnalysis | PREPROCESSING | BAL_GAN_FAIR | BAL_GAN_FAIR | 0.705 | 0.775665 | 2.775558e-17 | -0.075 | -0.045238 | 0.928030 |
| LogisticRegressionCV | PREPROCESSING | BAL_GAN_FAIR | BAL_GAN_FAIR | 0.705 | 0.775665 | 5.500000e-02 | -0.040 | 0.002381 | 1.003876 |
| LinearDiscriminantAnalysis | PREPROCESSING | BAL_GAN_FAIR | HYPERPARAMETER | 0.705 | 0.775665 | 2.775558e-17 | -0.075 | -0.045238 | 0.928030 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_BAL_GAN_FAIR | 0.705 | 0.775665 | 2.775558e-17 | -0.075 | -0.045238 | 0.928030 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_BAL_GAN_FAIR | 0.705 | 0.775665 | 5.500000e-02 | -0.040 | 0.002381 | 1.003876 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_BAL_GAN_FAIR | 0.705 | 0.775665 | 2.775558e-17 | -0.075 | -0.045238 | 0.928030 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_DEMV | 0.705 | 0.775665 | 2.775558e-17 | -0.075 | -0.045238 | 0.928030 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_DEMV | 0.705 | 0.775665 | 5.500000e-02 | -0.040 | 0.002381 | 1.003876 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_DEMV | 0.705 | 0.775665 | 2.775558e-17 | -0.075 | -0.045238 | 0.928030 |
| RidgeClassifierCV | PREPROCESSING | FAIR_GAN | FAIR_GAN | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_GAN | FAIR_GAN | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| MLPClassifier | PREPROCESSING | FAIR_GAN | FAIR_GAN | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| LinearSVC | PREPROCESSING | FAIR_GAN | FAIR_GAN | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| LogisticRegressionCV | PREPROCESSING | FAIR_GAN | FAIR_GAN | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_GAN | HYPERPARAMETER | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| LogisticRegressionCV | PREPROCESSING | FAIR_GAN | HYPERPARAMETER | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| MLPClassifier | PREPROCESSING | FAIR_GAN | HYPERPARAMETER | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| RidgeClassifierCV | PREPROCESSING | FAIR_GAN | FAIR_PCA | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_GAN | FAIR_PCA | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| MLPClassifier | PREPROCESSING | FAIR_GAN | FAIR_PCA | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| LinearSVC | PREPROCESSING | FAIR_GAN | FAIR_PCA | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| LogisticRegressionCV | PREPROCESSING | FAIR_GAN | FAIR_PCA | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_GAN | HYPERPARAMETER_FAIR_PCA | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| LogisticRegressionCV | PREPROCESSING | FAIR_GAN | HYPERPARAMETER_FAIR_PCA | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| MLPClassifier | PREPROCESSING | FAIR_GAN | HYPERPARAMETER_FAIR_PCA | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_GAN | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_GAN | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_GAN | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_GAN | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_GAN | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_GAN | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_GAN | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_GAN | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_GAN | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_GAN | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_GAN | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_GAN | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_GAN | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FAIR_GAN | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FAIR_GAN | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FAIR_GAN | 0.700 | 0.823529 | 0.000000e+00 | 0.000 | 0.000000 | 1.000000 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA | 0.700 | 0.791667 | -5.500000e-02 | -0.160 | -0.104762 | 0.864198 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA | 0.700 | 0.791667 | -5.500000e-02 | -0.160 | -0.104762 | 0.864198 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_SMOTE | 0.700 | 0.791667 | -7.500000e-02 | -0.125 | -0.104762 | 0.864198 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_SMOTE | 0.700 | 0.791667 | -7.500000e-02 | -0.125 | -0.104762 | 0.864198 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER | 0.700 | 0.790210 | -5.750000e-02 | -0.115 | -0.090476 | 0.880503 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_SMOTE | 0.700 | 0.790210 | -7.500000e-02 | -0.150 | -0.114286 | 0.850467 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_SMOTE | 0.700 | 0.790210 | -1.100000e-01 | -0.220 | -0.161905 | 0.792049 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_SMOTE | 0.700 | 0.790210 | -1.100000e-01 | -0.220 | -0.161905 | 0.792049 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_SMOTE | 0.700 | 0.790210 | -7.250000e-02 | -0.220 | -0.138095 | 0.820988 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_SMOTE | 0.700 | 0.790210 | -1.100000e-01 | -0.220 | -0.161905 | 0.792049 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS | 0.700 | 0.788732 | -5.750000e-02 | -0.140 | -0.100000 | 0.866667 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_SMOTE | 0.700 | 0.787234 | -5.750000e-02 | -0.165 | -0.109524 | 0.852564 |
| MLPClassifier | PREPROCESSING | FOS | FOS | 0.700 | 0.784173 | 3.000000e-02 | -0.040 | -0.009524 | 0.986254 |
| LinearSVC | PREPROCESSING | FOS | FOS | 0.700 | 0.781022 | 1.250000e-02 | -0.125 | -0.052381 | 0.923611 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FOS | 0.700 | 0.781022 | 1.250000e-02 | -0.125 | -0.052381 | 0.923611 |
| LinearDiscriminantAnalysis | PREPROCESSING | DEMV | FAIR_PCA | 0.700 | 0.772727 | -7.000000e-02 | -0.040 | -0.076190 | 0.881481 |
| LogisticRegressionCV | PREPROCESSING | DEMV | FAIR_PCA | 0.700 | 0.772727 | -7.000000e-02 | -0.040 | -0.076190 | 0.881481 |
| LinearDiscriminantAnalysis | PREPROCESSING | DEMV | HYPERPARAMETER_FAIR_PCA | 0.700 | 0.772727 | -7.000000e-02 | -0.040 | -0.076190 | 0.881481 |
| LinearDiscriminantAnalysis | PREPROCESSING | BAL_GAN_FAIR | FAIR_PCA | 0.700 | 0.772727 | -7.000000e-02 | -0.040 | -0.076190 | 0.881481 |
| LogisticRegressionCV | PREPROCESSING | BAL_GAN_FAIR | FAIR_PCA | 0.700 | 0.772727 | -7.000000e-02 | -0.040 | -0.076190 | 0.881481 |
| LinearDiscriminantAnalysis | PREPROCESSING | BAL_GAN_FAIR | HYPERPARAMETER_FAIR_PCA | 0.700 | 0.772727 | -7.000000e-02 | -0.040 | -0.076190 | 0.881481 |
| LogisticRegressionCV | PREPROCESSING | BAL_GAN_FAIR | HYPERPARAMETER_FAIR_PCA | 0.700 | 0.772727 | -7.000000e-02 | -0.040 | -0.076190 | 0.881481 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_BAL_GAN_FAIR | 0.700 | 0.772727 | -7.000000e-02 | -0.040 | -0.076190 | 0.881481 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_BAL_GAN_FAIR | 0.700 | 0.772727 | -7.000000e-02 | -0.040 | -0.076190 | 0.881481 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_DEMV | 0.700 | 0.772727 | -7.000000e-02 | -0.040 | -0.076190 | 0.881481 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_DEMV | 0.700 | 0.772727 | -7.000000e-02 | -0.040 | -0.076190 | 0.881481 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA | 0.695 | 0.788927 | -1.050000e-01 | -0.160 | -0.135714 | 0.827273 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA | 0.695 | 0.788927 | -1.050000e-01 | -0.160 | -0.135714 | 0.827273 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA | 0.695 | 0.788927 | -1.050000e-01 | -0.160 | -0.135714 | 0.827273 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS | 0.695 | 0.787456 | -7.000000e-02 | -0.115 | -0.097619 | 0.872274 |
| RidgeClassifierCV | PREPROCESSING | FOS | FAIR_PCA | 0.695 | 0.781362 | -1.750000e-02 | -0.110 | -0.064286 | 0.910000 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FOS | 0.695 | 0.781362 | -1.750000e-02 | -0.110 | -0.064286 | 0.910000 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_DEMV | 0.695 | 0.778182 | 1.075000e-01 | 0.015 | 0.059524 | 1.090580 |
| LinearSVC | PREPROCESSING | DEMV | FAIR_PCA | 0.695 | 0.769811 | -8.250000e-02 | -0.040 | -0.083333 | 0.871795 |
| LogisticRegressionCV | PREPROCESSING | DEMV | HYPERPARAMETER_FAIR_PCA | 0.695 | 0.769811 | -8.250000e-02 | -0.040 | -0.083333 | 0.871795 |
| LinearSVC | PREPROCESSING | BAL_GAN_FAIR | FAIR_PCA | 0.695 | 0.769811 | -8.250000e-02 | -0.040 | -0.083333 | 0.871795 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_BAL_GAN_FAIR | 0.695 | 0.769811 | -8.250000e-02 | -0.040 | -0.083333 | 0.871795 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_BAL_GAN_FAIR | 0.695 | 0.769811 | -8.250000e-02 | -0.040 | -0.083333 | 0.871795 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_BAL_GAN_FAIR | 0.695 | 0.769811 | -8.250000e-02 | -0.040 | -0.083333 | 0.871795 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_DEMV | 0.695 | 0.769811 | -8.250000e-02 | -0.040 | -0.083333 | 0.871795 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_DEMV | 0.695 | 0.769811 | -8.250000e-02 | -0.040 | -0.083333 | 0.871795 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_DEMV | 0.695 | 0.769811 | -8.250000e-02 | -0.040 | -0.083333 | 0.871795 |
| LogisticRegressionCV | PREPROCESSING | DEMV | HYPERPARAMETER | 0.695 | 0.768061 | 4.750000e-02 | -0.030 | 0.002381 | 1.003876 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_BAL_GAN_FAIR | 0.695 | 0.768061 | -6.500000e-02 | -0.030 | -0.069048 | 0.891386 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_DEMV | 0.695 | 0.768061 | 8.500000e-02 | -0.030 | 0.026190 | 1.043137 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_DEMV | 0.695 | 0.768061 | -6.500000e-02 | -0.030 | -0.069048 | 0.891386 |
| RidgeClassifierCV | PREPROCESSING | DEMV | DEMV | 0.695 | 0.766284 | 1.000000e-02 | -0.055 | -0.030952 | 0.949612 |
| RidgeClassifierCV | PREPROCESSING | BAL_GAN_FAIR | BAL_GAN_FAIR | 0.695 | 0.766284 | 1.000000e-02 | -0.055 | -0.030952 | 0.949612 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_BAL_GAN_FAIR | 0.695 | 0.766284 | 1.000000e-02 | -0.055 | -0.030952 | 0.949612 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_DEMV | 0.695 | 0.766284 | 1.000000e-02 | -0.055 | -0.030952 | 0.949612 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_ROS | 0.695 | 0.764479 | 1.000000e-02 | -0.080 | -0.040476 | 0.933333 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_ROS | 0.695 | 0.762646 | 4.750000e-02 | -0.105 | -0.026190 | 0.955823 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_RUS | 0.695 | 0.753036 | 5.000000e-03 | -0.090 | -0.050000 | 0.909091 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA | 0.690 | 0.786207 | -4.250000e-02 | -0.160 | -0.095238 | 0.877676 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_SMOTE | 0.690 | 0.783217 | -1.000000e-02 | -0.070 | -0.042857 | 0.942308 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_SMOTE | 0.690 | 0.780142 | -1.000000e-01 | -0.225 | -0.157143 | 0.792453 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_DEMV | 0.690 | 0.778571 | -3.000000e-02 | -0.110 | -0.071429 | 0.900990 |
| LinearDiscriminantAnalysis | PREPROCESSING | FOS | FOS | 0.690 | 0.773723 | 5.000000e-03 | -0.115 | -0.052381 | 0.923611 |
| LogisticRegressionCV | PREPROCESSING | FOS | FOS | 0.690 | 0.773723 | 5.000000e-03 | -0.115 | -0.052381 | 0.923611 |
| LinearDiscriminantAnalysis | PREPROCESSING | FOS | HYPERPARAMETER | 0.690 | 0.773723 | 5.000000e-03 | -0.115 | -0.052381 | 0.923611 |
| LogisticRegressionCV | PREPROCESSING | FOS | HYPERPARAMETER | 0.690 | 0.773723 | 5.000000e-03 | -0.115 | -0.052381 | 0.923611 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_FOS | 0.690 | 0.773723 | 5.000000e-03 | -0.115 | -0.052381 | 0.923611 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FOS | 0.690 | 0.773723 | 5.000000e-03 | -0.115 | -0.052381 | 0.923611 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FOS | 0.690 | 0.773723 | 5.000000e-03 | -0.115 | -0.052381 | 0.923611 |
| MLPClassifier | PREPROCESSING | DEMV | HYPERPARAMETER | 0.690 | 0.772059 | 2.000000e-02 | -0.035 | -0.014286 | 0.978495 |
| RidgeClassifierCV | PREPROCESSING | DEMV | FAIR_PCA | 0.690 | 0.765152 | -7.750000e-02 | -0.030 | -0.076190 | 0.881481 |
| RidgeClassifierCV | PREPROCESSING | BAL_GAN_FAIR | FAIR_PCA | 0.690 | 0.765152 | -7.750000e-02 | -0.030 | -0.076190 | 0.881481 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_DEMV | 0.690 | 0.765152 | 9.000000e-02 | 0.005 | 0.042857 | 1.070588 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_BAL_GAN_FAIR | 0.690 | 0.763359 | 7.250000e-02 | -0.055 | 0.009524 | 1.015686 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_ROS | 0.690 | 0.759690 | 3.250000e-02 | -0.035 | -0.009524 | 0.983936 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_ROS | 0.690 | 0.759690 | 3.250000e-02 | -0.035 | -0.009524 | 0.983936 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_ROS | 0.690 | 0.755906 | 7.000000e-02 | -0.085 | -0.004762 | 0.991667 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_ROS | 0.690 | 0.755906 | 1.250000e-02 | -0.050 | -0.028571 | 0.950617 |
| MLPClassifier | PREPROCESSING | DEMV | DEMV | 0.685 | 0.770909 | 1.000000e-02 | -0.080 | -0.035714 | 0.947917 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FOS | 0.685 | 0.769231 | -7.500000e-03 | -0.140 | -0.069048 | 0.899306 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_ROS | 0.685 | 0.750988 | 5.750000e-02 | -0.110 | -0.021429 | 0.962500 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_ROS | 0.685 | 0.749004 | 0.000000e+00 | -0.100 | -0.054762 | 0.904167 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_ROS | 0.685 | 0.749004 | 0.000000e+00 | -0.100 | -0.054762 | 0.904167 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_RUS | 0.685 | 0.746988 | -5.500000e-02 | -0.160 | -0.111905 | 0.806584 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS | 0.680 | 0.776224 | 3.750000e-02 | -0.025 | 0.004762 | 1.006536 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FOS | 0.680 | 0.769784 | 3.750000e-02 | -0.125 | -0.033333 | 0.952381 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_SMOTE | 0.680 | 0.766423 | -1.750000e-02 | -0.210 | -0.100000 | 0.857143 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_ROS | 0.680 | 0.755725 | 4.750000e-02 | -0.080 | -0.014286 | 0.976744 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_ROS | 0.680 | 0.744000 | 2.250000e-02 | -0.055 | -0.023810 | 0.957265 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_RUS | 0.680 | 0.741935 | 2.500000e-03 | -0.045 | -0.033333 | 0.939394 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_RUS | 0.680 | 0.739837 | 2.500000e-03 | -0.070 | -0.042857 | 0.921053 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_RUS | 0.680 | 0.739837 | -8.750000e-02 | -0.175 | -0.138095 | 0.758333 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_RUS | 0.680 | 0.739837 | -7.000000e-02 | -0.140 | -0.114286 | 0.797468 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_RUS | 0.680 | 0.739837 | -7.000000e-02 | -0.140 | -0.114286 | 0.797468 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_BAL_GAN_FAIR | 0.675 | 0.760148 | -5.250000e-02 | -0.155 | -0.102381 | 0.850694 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_ROS | 0.675 | 0.749035 | 3.250000e-02 | -0.060 | -0.016667 | 0.972222 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_RUS | 0.675 | 0.741036 | -4.250000e-02 | -0.160 | -0.102381 | 0.825203 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_RUS | 0.675 | 0.741036 | -4.250000e-02 | -0.160 | -0.102381 | 0.825203 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_RUS | 0.675 | 0.738956 | -1.000000e-01 | -0.150 | -0.135714 | 0.768293 |
| MLPClassifier | PREPROCESSING | FOS | HYPERPARAMETER | 0.670 | 0.765957 | 1.000000e-02 | -0.030 | -0.014286 | 0.980000 |
| MLPClassifier | PREPROCESSING | FOS | HYPERPARAMETER_FAIR_PCA | 0.670 | 0.765957 | 6.750000e-02 | -0.065 | 0.009524 | 1.013468 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_SMOTE | 0.670 | 0.757353 | -4.250000e-02 | -0.260 | -0.133333 | 0.809524 |
| MLPClassifier | PREPROCESSING | BAL_GAN_FAIR | FAIR_PCA | 0.670 | 0.750000 | 4.000000e-02 | -0.045 | -0.004762 | 0.992337 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_ROS | 0.670 | 0.746154 | 5.750000e-02 | -0.060 | 0.000000 | 1.000000 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_SMOTE | 0.665 | 0.761566 | -3.500000e-02 | -0.195 | -0.102381 | 0.860841 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_FOS | 0.665 | 0.756364 | -7.500000e-03 | 0.010 | -0.011905 | 0.982456 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FOS | 0.665 | 0.752768 | 1.000000e-02 | -0.005 | -0.007143 | 0.989130 |
| MLPClassifier | PREPROCESSING | DEMV | HYPERPARAMETER_FAIR_PCA | 0.665 | 0.743295 | -4.750000e-02 | -0.095 | -0.078571 | 0.875000 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_RUS | 0.665 | 0.730924 | -1.750000e-02 | -0.035 | -0.040476 | 0.927350 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_RUS | 0.665 | 0.728745 | -1.750000e-02 | -0.060 | -0.050000 | 0.909091 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_RUS | 0.665 | 0.728745 | -1.750000e-02 | -0.060 | -0.050000 | 0.909091 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_RUS | 0.665 | 0.724280 | -9.000000e-02 | -0.180 | -0.140476 | 0.747863 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_DEMV | 0.660 | 0.728000 | 2.500000e-02 | 0.000 | 0.000000 | 1.000000 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_RUS | 0.655 | 0.725100 | 5.250000e-02 | -0.070 | -0.007143 | 0.987179 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_RUS | 0.655 | 0.722892 | -9.500000e-02 | -0.165 | -0.135714 | 0.768293 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_RUS | 0.655 | 0.713693 | -4.500000e-02 | -0.090 | -0.078571 | 0.851351 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_ROS | 0.635 | 0.720307 | 5.000000e-03 | -0.065 | -0.030952 | 0.949612 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_RUS | 0.605 | 0.651982 | -1.025000e-01 | -0.180 | -0.145238 | 0.696517 |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_SMOTE | FAIR_SMOTE | 0.425 | 0.391534 | 5.325000e-01 | 0.540 | 0.530952 | 7.194444 |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_SMOTE | HYPERPARAMETER | 0.425 | 0.391534 | 5.325000e-01 | 0.540 | 0.530952 | 7.194444 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_SMOTE | 0.425 | 0.391534 | 5.325000e-01 | 0.540 | 0.530952 | 7.194444 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_SMOTE | 0.425 | 0.391534 | 5.325000e-01 | 0.540 | 0.530952 | 7.194444 |
| RidgeClassifierCV | PREPROCESSING | FAIR_SMOTE | FAIR_SMOTE | 0.425 | 0.378378 | 4.925000e-01 | 0.560 | 0.511905 | 8.166667 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_SMOTE | 0.425 | 0.378378 | 4.925000e-01 | 0.560 | 0.511905 | 8.166667 |
| ExtraTreesClassifier | PREPROCESSING | FAIR_SMOTE | FAIR_SMOTE | 0.410 | 0.351648 | 6.500000e-01 | 0.800 | 0.700000 | inf |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_SMOTE | 0.410 | 0.351648 | 6.500000e-01 | 0.800 | 0.700000 | inf |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_SMOTE | 0.405 | 0.356757 | 6.225000e-01 | 0.720 | 0.654762 | 23.916667 |
| RidgeClassifierCV | PREPROCESSING | FAIR_SMOTE | FAIR_PCA | 0.400 | 0.340659 | 6.100000e-01 | 0.670 | 0.628571 | 30.333333 |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_SMOTE | FAIR_PCA | 0.400 | 0.340659 | 6.100000e-01 | 0.670 | 0.628571 | 30.333333 |
| ExtraTreesClassifier | PREPROCESSING | FAIR_SMOTE | FAIR_PCA | 0.400 | 0.340659 | 6.625000e-01 | 0.775 | 0.700000 | inf |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_SMOTE | HYPERPARAMETER_FAIR_PCA | 0.400 | 0.340659 | 6.100000e-01 | 0.670 | 0.628571 | 30.333333 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_SMOTE | 0.400 | 0.340659 | 6.100000e-01 | 0.670 | 0.628571 | 30.333333 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_SMOTE | 0.400 | 0.340659 | 6.100000e-01 | 0.670 | 0.628571 | 30.333333 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_SMOTE | 0.400 | 0.340659 | 6.625000e-01 | 0.775 | 0.700000 | inf |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FAIR_SMOTE | 0.400 | 0.340659 | 6.100000e-01 | 0.670 | 0.628571 | 30.333333 |
| MLPClassifier | PREPROCESSING | FAIR_SMOTE | FAIR_SMOTE | 0.400 | 0.325843 | 5.875000e-01 | 0.725 | 0.633333 | inf |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_SMOTE | 0.395 | 0.338798 | 6.150000e-01 | 0.705 | 0.645238 | 31.111111 |
| MLPClassifier | PREPROCESSING | FAIR_SMOTE | HYPERPARAMETER | 0.395 | 0.324022 | 6.125000e-01 | 0.725 | 0.650000 | inf |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_SMOTE | 0.385 | 0.335135 | 7.200000e-01 | 0.740 | 0.726190 | 102.666667 |
| LogisticRegressionCV | PREPROCESSING | FAIR_SMOTE | FAIR_SMOTE | 0.385 | 0.305085 | 5.875000e-01 | 0.675 | 0.616667 | inf |
| LogisticRegressionCV | PREPROCESSING | FAIR_SMOTE | HYPERPARAMETER | 0.385 | 0.305085 | 5.875000e-01 | 0.675 | 0.616667 | inf |
| LogisticRegressionCV | PREPROCESSING | FAIR_SMOTE | HYPERPARAMETER_FAIR_PCA | 0.385 | 0.297143 | 5.500000e-01 | 0.650 | 0.583333 | inf |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_SMOTE | 0.385 | 0.297143 | 5.500000e-01 | 0.650 | 0.583333 | inf |
| MLPClassifier | PREPROCESSING | FAIR_SMOTE | FAIR_PCA | 0.380 | 0.303371 | 6.125000e-01 | 0.675 | 0.633333 | inf |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_SMOTE | 0.380 | 0.303371 | 6.125000e-01 | 0.675 | 0.633333 | inf |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_SMOTE | 0.380 | 0.303371 | 6.125000e-01 | 0.675 | 0.633333 | inf |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FAIR_SMOTE | 0.380 | 0.303371 | 5.950000e-01 | 0.640 | 0.609524 | 86.333333 |
| LinearSVC | PREPROCESSING | FAIR_SMOTE | FAIR_SMOTE | 0.380 | 0.295455 | 5.750000e-01 | 0.650 | 0.600000 | inf |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_SMOTE | 0.380 | 0.295455 | 5.750000e-01 | 0.650 | 0.600000 | inf |
| LogisticRegressionCV | PREPROCESSING | FAIR_SMOTE | FAIR_PCA | 0.380 | 0.287356 | 5.375000e-01 | 0.625 | 0.566667 | inf |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FAIR_SMOTE | 0.380 | 0.287356 | 5.375000e-01 | 0.625 | 0.566667 | inf |
| LinearSVC | PREPROCESSING | FAIR_SMOTE | FAIR_PCA | 0.380 | 0.279070 | 5.000000e-01 | 0.600 | 0.533333 | inf |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_SMOTE | 0.380 | 0.279070 | 5.000000e-01 | 0.600 | 0.533333 | inf |
| MLPClassifier | PREPROCESSING | FAIR_SMOTE | HYPERPARAMETER_FAIR_PCA | 0.370 | 0.284091 | 5.875000e-01 | 0.625 | 0.600000 | inf |
En este caso los datos originales no se ajustan, sino que se optimiza un modelo para que además de ser preciso sea justo...
| Algoritmo | Fase | Intervencion | Proceso | accuracy | f1_score | average_odds_difference | equal_opportunity_difference | statistical_parity_difference | disparate_impact |
|---|---|---|---|---|---|---|---|---|---|
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FOS_FAIR_PCA | 0.740 | 0.821918 | 0.0075 | -0.010 | -0.014286 | 0.981308 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | DEMV_FAIR_PCA | 0.740 | 0.808824 | -0.0925 | -0.085 | -0.109524 | 0.841924 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | BAL_GAN_FAIR_FAIR_PCA | 0.735 | 0.816609 | -0.1175 | -0.060 | -0.111905 | 0.856269 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | BAL_GAN_FAIR_FAIR_PCA | 0.735 | 0.808664 | -0.0475 | -0.070 | -0.073810 | 0.895623 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | DEMV_FAIR_PCA | 0.730 | 0.802920 | -0.0075 | -0.015 | -0.028571 | 0.957895 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | SMOTE | 0.725 | 0.802867 | 0.0225 | -0.105 | -0.040476 | 0.942761 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | ROS_FAIR_PCA | 0.725 | 0.798535 | 0.2025 | 0.030 | 0.121429 | 1.193182 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | ROS_FAIR_PCA | 0.725 | 0.798535 | 0.2025 | 0.030 | 0.121429 | 1.193182 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | ROS | 0.720 | 0.798561 | 0.0800 | 0.010 | 0.038095 | 1.056140 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FOS | 0.715 | 0.788104 | 0.0800 | 0.060 | 0.054762 | 1.087121 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | UNAWARENESS | 0.710 | 0.791367 | 0.0350 | 0.020 | 0.014286 | 1.020833 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | ROS_FAIR_PCA | 0.710 | 0.791367 | -0.1475 | -0.120 | -0.152381 | 0.792880 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | DEMV | 0.710 | 0.786765 | 0.0175 | -0.090 | -0.038095 | 0.943262 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | DEMV | 0.710 | 0.786765 | 0.0175 | -0.090 | -0.038095 | 0.943262 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | SMOTE_FAIR_PCA | 0.705 | 0.790036 | -0.0300 | -0.060 | -0.054762 | 0.924092 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | DEMV_FAIR_PCA | 0.705 | 0.788530 | -0.2325 | -0.190 | -0.230952 | 0.697819 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | ROS | 0.705 | 0.782288 | 0.0200 | -0.010 | -0.007143 | 0.989130 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | DEMV | 0.705 | 0.780669 | 0.0200 | -0.035 | -0.016667 | 0.974359 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FOS | 0.705 | 0.779026 | 0.0400 | -0.095 | -0.026190 | 0.959259 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FAIR_GAN | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FAIR_GAN_FAIR_PCA | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FAIR_PCA | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | FairODTrainer | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | SMOTE | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | SMOTE_FAIR_PCA | SMOTE | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | ROS | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | ROS_FAIR_PCA | ROS | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | RUS | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | RUS_FAIR_PCA | RUS | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | FOS | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FOS_FAIR_PCA | FOS | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | FAIR_SMOTE | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_SMOTE_FAIR_PCA | FAIR_SMOTE | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | BAL_GAN_FAIR | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | BAL_GAN_FAIR_FAIR_PCA | BAL_GAN_FAIR | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | DEMV | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | DEMV_FAIR_PCA | DEMV | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| MLPClassifier | IN_PROCESSING | FAIR_PCA | HYPERPARAMETER | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FAIR_GAN | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FAIR_GAN_FAIR_PCA | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FAIR_PCA | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FAIR_GAN | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FAIR_GAN_FAIR_PCA | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FAIR_PCA | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FAIR_GAN | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FAIR_GAN_FAIR_PCA | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FAIR_PCA | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FAIR_GAN | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FAIR_GAN_FAIR_PCA | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FAIR_PCA | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FAIR_SMOTE_FAIR_PCA | 0.700 | 0.823529 | 0.0000 | 0.000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FOS_FAIR_PCA | 0.700 | 0.788732 | 0.0300 | 0.035 | 0.019048 | 1.026667 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FOS_FAIR_PCA | 0.700 | 0.785714 | 0.1425 | -0.015 | 0.071429 | 1.105263 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | UNAWARENESS | 0.700 | 0.785714 | 0.0275 | 0.055 | 0.023810 | 1.034364 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | ROS_FAIR_PCA | 0.700 | 0.784173 | -0.1000 | -0.075 | -0.104762 | 0.854785 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | UNAWARENESS | 0.695 | 0.782918 | -0.0025 | 0.020 | -0.007143 | 0.989899 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | DEMV | 0.695 | 0.779783 | 0.1450 | 0.040 | 0.092857 | 1.141304 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FOS | 0.695 | 0.776557 | -0.0400 | -0.080 | -0.069048 | 0.899306 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | BAL_GAN_FAIR | 0.690 | 0.778571 | -0.0150 | -0.005 | -0.023810 | 0.966330 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | SMOTE_FAIR_PCA | 0.690 | 0.772059 | 0.1325 | -0.035 | 0.057143 | 1.088889 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | SMOTE_FAIR_PCA | 0.690 | 0.772059 | 0.1325 | -0.035 | 0.057143 | 1.088889 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | SMOTE | 0.685 | 0.775801 | -0.0450 | -0.040 | -0.054762 | 0.924092 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | ROS | 0.685 | 0.775801 | 0.0300 | -0.040 | -0.007143 | 0.989899 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | ROS | 0.685 | 0.775801 | 0.0300 | -0.040 | -0.007143 | 0.989899 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FOS_FAIR_PCA | 0.685 | 0.772563 | 0.2300 | 0.085 | 0.164286 | 1.258427 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FOS_FAIR_PCA | 0.685 | 0.772563 | 0.2300 | 0.085 | 0.164286 | 1.258427 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | DEMV_FAIR_PCA | 0.685 | 0.769231 | 0.0100 | -0.105 | -0.045238 | 0.933333 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | DEMV_FAIR_PCA | 0.685 | 0.769231 | 0.0100 | -0.105 | -0.045238 | 0.933333 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | DEMV | 0.685 | 0.764045 | -0.0700 | -0.040 | -0.073810 | 0.887681 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | ROS_FAIR_PCA | 0.685 | 0.760456 | 0.1125 | 0.050 | 0.073810 | 1.124498 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | BAL_GAN_FAIR | 0.685 | 0.752941 | 0.0175 | -0.015 | -0.011905 | 0.979424 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | BAL_GAN_FAIR | 0.685 | 0.752941 | 0.0175 | -0.015 | -0.011905 | 0.979424 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | UNAWARENESS | 0.680 | 0.769784 | 0.0175 | -0.090 | -0.033333 | 0.952381 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | UNAWARENESS | 0.680 | 0.769784 | 0.0175 | -0.090 | -0.033333 | 0.952381 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | BAL_GAN_FAIR_FAIR_PCA | 0.680 | 0.764706 | -0.1350 | -0.095 | -0.133333 | 0.809524 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | SMOTE | 0.680 | 0.762963 | 0.0325 | -0.085 | -0.023810 | 0.963768 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | RUS | 0.680 | 0.750000 | 0.0950 | 0.090 | 0.076190 | 1.136752 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | RUS | 0.680 | 0.750000 | 0.0950 | 0.090 | 0.076190 | 1.136752 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | SMOTE_FAIR_PCA | 0.675 | 0.770318 | -0.0325 | -0.040 | -0.045238 | 0.937908 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | BAL_GAN_FAIR | 0.675 | 0.754717 | 0.0700 | 0.015 | 0.035714 | 1.058140 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | SMOTE_FAIR_PCA | 0.670 | 0.760870 | 0.0300 | -0.140 | -0.042857 | 0.938144 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | BAL_GAN_FAIR_FAIR_PCA | 0.670 | 0.748092 | -0.0350 | -0.070 | -0.061905 | 0.901515 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | BAL_GAN_FAIR_FAIR_PCA | 0.670 | 0.748092 | -0.0350 | -0.070 | -0.061905 | 0.901515 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | SMOTE | 0.655 | 0.749091 | 0.0800 | -0.015 | 0.035714 | 1.053763 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | SMOTE | 0.655 | 0.749091 | 0.0800 | -0.015 | 0.035714 | 1.053763 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | ROS | 0.650 | 0.736842 | 0.0275 | -0.070 | -0.019048 | 0.970037 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | RUS_FAIR_PCA | 0.650 | 0.710744 | -0.0575 | -0.090 | -0.085714 | 0.840000 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FOS | 0.645 | 0.741818 | 0.0725 | -0.005 | 0.035714 | 1.053763 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FOS | 0.645 | 0.741818 | 0.0725 | -0.005 | 0.035714 | 1.053763 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | RUS_FAIR_PCA | 0.645 | 0.712551 | -0.0500 | -0.075 | -0.073810 | 0.867521 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | RUS | 0.640 | 0.712000 | 0.0675 | -0.015 | 0.023810 | 1.043860 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | RUS | 0.615 | 0.685714 | -0.0025 | 0.070 | 0.011905 | 1.022831 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | RUS_FAIR_PCA | 0.610 | 0.688000 | 0.1200 | 0.015 | 0.071429 | 1.135135 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | ROS_FAIR_PCA | 0.590 | 0.724832 | 0.1725 | 0.320 | 0.228571 | 1.316832 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | BAL_GAN_FAIR | 0.590 | 0.627273 | 0.0900 | 0.080 | 0.071429 | 1.188679 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | ROS | 0.585 | 0.677043 | -0.0275 | -0.205 | -0.097619 | 0.841085 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | RUS | 0.585 | 0.649789 | -0.0775 | -0.105 | -0.097619 | 0.810185 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | RUS_FAIR_PCA | 0.580 | 0.641026 | 0.0750 | -0.050 | 0.019048 | 1.041026 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | RUS_FAIR_PCA | 0.580 | 0.641026 | 0.0750 | -0.050 | 0.019048 | 1.041026 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | UNAWARENESS | 0.520 | 0.603306 | 0.0150 | 0.005 | 0.009524 | 1.018779 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FOS | 0.485 | 0.554113 | -0.0950 | -0.115 | -0.102381 | 0.789216 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | RUS | 0.435 | 0.506550 | -0.3325 | -0.265 | -0.302381 | 0.435556 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FAIR_SMOTE | 0.415 | 0.367568 | 0.6100 | 0.745 | 0.654762 | 23.916667 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FAIR_SMOTE | 0.415 | 0.367568 | 0.6100 | 0.745 | 0.654762 | 23.916667 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FAIR_SMOTE_FAIR_PCA | 0.395 | 0.345946 | 0.6900 | 0.730 | 0.702381 | 50.166667 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FAIR_SMOTE | 0.395 | 0.284024 | 0.4250 | 0.600 | 0.483333 | inf |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FAIR_SMOTE | 0.390 | 0.314607 | 0.6000 | 0.700 | 0.633333 | inf |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FAIR_SMOTE | 0.385 | 0.305085 | 0.5875 | 0.675 | 0.616667 | inf |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FAIR_GAN_FAIR_PCA | 0.380 | 0.253012 | -0.0225 | -0.070 | -0.042857 | 0.700000 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FAIR_PCA | 0.380 | 0.253012 | -0.0225 | -0.070 | -0.042857 | 0.700000 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FAIR_SMOTE_FAIR_PCA | 0.375 | 0.301676 | 0.6375 | 0.675 | 0.650000 | inf |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FAIR_SMOTE_FAIR_PCA | 0.370 | 0.292135 | 0.6075 | 0.615 | 0.609524 | 86.333333 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FAIR_SMOTE_FAIR_PCA | 0.370 | 0.292135 | 0.6075 | 0.615 | 0.609524 | 86.333333 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FAIR_SMOTE_FAIR_PCA | 0.370 | 0.250000 | 0.4375 | 0.525 | 0.466667 | inf |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | RUS_FAIR_PCA | 0.340 | 0.274725 | -0.0825 | -0.040 | -0.061905 | 0.729167 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | SMOTE_FAIR_PCA | 0.320 | 0.055556 | -0.0200 | -0.040 | -0.028571 | 0.000000 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | SMOTE | 0.315 | 0.041958 | -0.0150 | -0.030 | -0.021429 | 0.000000 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FAIR_GAN | 0.310 | 0.041667 | -0.0100 | 0.005 | -0.004762 | 0.777778 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FAIR_SMOTE | 0.300 | 0.000000 | 0.0000 | 0.000 | 0.000000 | NaN |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | BAL_GAN_FAIR | 0.300 | 0.000000 | 0.0000 | 0.000 | 0.000000 | NaN |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | BAL_GAN_FAIR_FAIR_PCA | 0.300 | 0.000000 | 0.0000 | 0.000 | 0.000000 | NaN |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | DEMV | 0.300 | 0.000000 | 0.0000 | 0.000 | 0.000000 | NaN |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | DEMV_FAIR_PCA | 0.300 | 0.000000 | 0.0000 | 0.000 | 0.000000 | NaN |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FOS_FAIR_PCA | 0.290 | 0.053333 | -0.0950 | -0.040 | -0.071429 | 0.000000 |
Estos métodos están encaminados a buscar la generación de resultados más justos.
| Algoritmo | Fase | Intervencion | Proceso | accuracy | f1_score | average_odds_difference | equal_opportunity_difference | statistical_parity_difference | disparate_impact |
|---|---|---|---|---|---|---|---|---|---|
| CalibratedClassifierCV | POSTPROCESSING | RejectOptionClassification | CalibratedClassifierCV | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| CalibratedClassifierCV | POSTPROCESSING | EqOddsPostprocessing | CalibratedClassifierCV | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| CalibratedClassifierCV | POSTPROCESSING | CalibratedEqOddsPostprocessing | CalibratedClassifierCV | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis | POSTPROCESSING | RejectOptionClassification | LinearDiscriminantAnalysis | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis | POSTPROCESSING | EqOddsPostprocessing | LinearDiscriminantAnalysis | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis | POSTPROCESSING | CalibratedEqOddsPostprocessing | LinearDiscriminantAnalysis | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier | POSTPROCESSING | RejectOptionClassification | MLPClassifier | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier | POSTPROCESSING | EqOddsPostprocessing | MLPClassifier | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier | POSTPROCESSING | CalibratedEqOddsPostprocessing | MLPClassifier | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| CalibratedClassifierCV | POSTPROCESSING | RejectOptionClassification | CalibratedClassifierCV | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| CalibratedClassifierCV | POSTPROCESSING | EqOddsPostprocessing | CalibratedClassifierCV | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| CalibratedClassifierCV | POSTPROCESSING | CalibratedEqOddsPostprocessing | CalibratedClassifierCV | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV | POSTPROCESSING | RejectOptionClassification | LogisticRegressionCV | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV | POSTPROCESSING | EqOddsPostprocessing | LogisticRegressionCV | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV | POSTPROCESSING | CalibratedEqOddsPostprocessing | LogisticRegressionCV | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier | POSTPROCESSING | RejectOptionClassification | ExtraTreesClassifier | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier | POSTPROCESSING | EqOddsPostprocessing | ExtraTreesClassifier | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier | POSTPROCESSING | CalibratedEqOddsPostprocessing | ExtraTreesClassifier | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis | POSTPROCESSING | RejectOptionClassification | LinearDiscriminantAnalysis | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis | POSTPROCESSING | EqOddsPostprocessing | LinearDiscriminantAnalysis | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis | POSTPROCESSING | CalibratedEqOddsPostprocessing | LinearDiscriminantAnalysis | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV | POSTPROCESSING | RejectOptionClassification | LogisticRegressionCV | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV | POSTPROCESSING | EqOddsPostprocessing | LogisticRegressionCV | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV | POSTPROCESSING | CalibratedEqOddsPostprocessing | LogisticRegressionCV | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier | POSTPROCESSING | RejectOptionClassification | MLPClassifier | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier | POSTPROCESSING | EqOddsPostprocessing | MLPClassifier | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier | POSTPROCESSING | CalibratedEqOddsPostprocessing | MLPClassifier | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | RejectOptionClassification | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | EqOddsPostprocessing | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | CalibratedEqOddsPostprocessing | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_SMOTE_SMOTE | POSTPROCESSING | RejectOptionClassification | SMOTE_SMOTE | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_SMOTE_SMOTE | POSTPROCESSING | EqOddsPostprocessing | SMOTE_SMOTE | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_SMOTE_SMOTE | POSTPROCESSING | CalibratedEqOddsPostprocessing | SMOTE_SMOTE | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | RejectOptionClassification | FAIR_GAN_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | EqOddsPostprocessing | FAIR_GAN_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | CalibratedEqOddsPostprocessing | FAIR_GAN_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_ROS_HYPERPARAMETER | POSTPROCESSING | RejectOptionClassification | ROS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_ROS_HYPERPARAMETER | POSTPROCESSING | EqOddsPostprocessing | ROS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_ROS_HYPERPARAMETER | POSTPROCESSING | CalibratedEqOddsPostprocessing | ROS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_RUS_HYPERPARAMETER | POSTPROCESSING | RejectOptionClassification | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_RUS_HYPERPARAMETER | POSTPROCESSING | EqOddsPostprocessing | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_RUS_HYPERPARAMETER | POSTPROCESSING | CalibratedEqOddsPostprocessing | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | RejectOptionClassification | FAIR_GAN_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | EqOddsPostprocessing | FAIR_GAN_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | CalibratedEqOddsPostprocessing | FAIR_GAN_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | RejectOptionClassification | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | EqOddsPostprocessing | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | CalibratedEqOddsPostprocessing | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | RejectOptionClassification | FAIR_GAN_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | EqOddsPostprocessing | FAIR_GAN_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | CalibratedEqOddsPostprocessing | FAIR_GAN_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_FAIR_PCA_HYPERPARAMETER | POSTPROCESSING | RejectOptionClassification | FAIR_PCA_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_FAIR_PCA_HYPERPARAMETER | POSTPROCESSING | EqOddsPostprocessing | FAIR_PCA_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_FAIR_PCA_HYPERPARAMETER | POSTPROCESSING | CalibratedEqOddsPostprocessing | FAIR_PCA_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | RejectOptionClassification | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | EqOddsPostprocessing | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | CalibratedEqOddsPostprocessing | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | RejectOptionClassification | ROS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | EqOddsPostprocessing | ROS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | CalibratedEqOddsPostprocessing | ROS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | RejectOptionClassification | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | EqOddsPostprocessing | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | CalibratedEqOddsPostprocessing | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| RidgeClassifierCV_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearSVC_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_BASE_HYPER | POSTPROCESSING | RandomizedThreshold | BASE_HYPER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_BASE_HYPER | POSTPROCESSING | RandomizedThreshold | BASE_HYPER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_BASE_HYPER | POSTPROCESSING | RandomizedThreshold | BASE_HYPER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_SMOTE_SMOTE | POSTPROCESSING | RandomizedThreshold | SMOTE_SMOTE | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_UNAWARENESS_UNAWARENESS_FOS | POSTPROCESSING | RandomizedThreshold | UNAWARENESS_UNAWARENESS_FOS | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | FAIR_GAN_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_ROS_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | ROS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_RUS_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_UNAWARENESS_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | UNAWARENESS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | FAIR_GAN_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_UNAWARENESS_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | UNAWARENESS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | FAIR_GAN_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_FAIR_PCA_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | FAIR_PCA_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | ROS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_UNAWARENESS_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | UNAWARENESS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier | POSTPROCESSING | FairnessAwareMetaEstimator | ExtraTreesClassifier | 0.745000 | 0.823529 | -0.090000 | -0.105000 | -0.111905 | 0.856269 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | FairnessAwareMetaEstimator | NONE_BASE_LINE_VALUES | 0.740000 | 0.819444 | -0.027500 | -0.130000 | -0.080952 | 0.894081 |
| ExtraTreesClassifier_SMOTE_SMOTE | POSTPROCESSING | FairnessAwareMetaEstimator | SMOTE_SMOTE | 0.740000 | 0.819444 | -0.027500 | -0.130000 | -0.080952 | 0.894081 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | MLPClassifier_RUS_HYPERPARAMETER_CERTI_FAI | MLPClassifier_RUS_HYPERPARAMETER_CERTI_FAI | 0.739130 | 0.760000 | 0.027907 | -0.344186 | -0.077612 | 0.837500 |
| ExtraTreesClassifier | POSTPROCESSING | ThresholdOptimizer | ExtraTreesClassifier | 0.735000 | 0.821549 | 0.032500 | 0.040000 | 0.021429 | 1.027523 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | ThresholdOptimizer | NONE_BASE_LINE_VALUES | 0.735000 | 0.820339 | 0.035000 | -0.055000 | -0.011905 | 0.984709 |
| ExtraTreesClassifier_SMOTE_SMOTE | POSTPROCESSING | ThresholdOptimizer | SMOTE_SMOTE | 0.735000 | 0.820339 | 0.035000 | -0.055000 | -0.011905 | 0.984709 |
| CalibratedClassifierCV | POSTPROCESSING | ThresholdOptimizer | CalibratedClassifierCV | 0.720000 | 0.813333 | 0.035000 | -0.030000 | 0.000000 | 1.000000 |
| CalibratedClassifierCV | POSTPROCESSING | FairnessAwareMetaEstimator | CalibratedClassifierCV | 0.720000 | 0.809524 | -0.077500 | -0.105000 | -0.100000 | 0.875000 |
| MLPClassifier | POSTPROCESSING | ThresholdOptimizer | MLPClassifier | 0.715000 | 0.804124 | 0.185000 | 0.020000 | 0.111905 | 1.155116 |
| LinearDiscriminantAnalysis_BASE_LINE_VALUES | POSTPROCESSING | LinearDiscriminantAnalysis_BASE_LINE_VALUES_CERTI_FAI | LinearDiscriminantAnalysis_BASE_LINE_VALUES_CERTI_FAI | 0.714286 | 0.775000 | -0.383117 | -0.636364 | -0.454361 | 0.405836 |
| CalibratedClassifierCV | POSTPROCESSING | FairnessAwareMetaEstimator | CalibratedClassifierCV | 0.710000 | 0.801370 | -0.067500 | -0.085000 | -0.085714 | 0.890909 |
| MLPClassifier | POSTPROCESSING | FairnessAwareMetaEstimator | MLPClassifier | 0.710000 | 0.800000 | -0.050000 | -0.075000 | -0.071429 | 0.907407 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | ThresholdOptimizer | NONE_BASE_LINE_VALUES | 0.710000 | 0.800000 | 0.040000 | 0.030000 | 0.023810 | 1.032051 |
| CalibratedClassifierCV | POSTPROCESSING | ThresholdOptimizer | CalibratedClassifierCV | 0.705000 | 0.805281 | 0.145000 | 0.040000 | 0.097619 | 1.124242 |
| LogisticRegressionCV | POSTPROCESSING | ThresholdOptimizer | LogisticRegressionCV | 0.705000 | 0.801347 | 0.105000 | 0.035000 | 0.069048 | 1.090343 |
| LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | ThresholdOptimizer | FAIR_GAN_HYPERPARAMETER | 0.705000 | 0.801347 | 0.105000 | 0.035000 | 0.069048 | 1.090343 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | ThresholdOptimizer | RUS_HYPERPARAMETER | 0.705000 | 0.801347 | 0.105000 | 0.035000 | 0.069048 | 1.090343 |
| LinearDiscriminantAnalysis | POSTPROCESSING | ThresholdOptimizer | LinearDiscriminantAnalysis | 0.705000 | 0.798635 | 0.050000 | -0.050000 | 0.002381 | 1.003115 |
| LinearDiscriminantAnalysis | POSTPROCESSING | ThresholdOptimizer | LinearDiscriminantAnalysis | 0.705000 | 0.798635 | 0.050000 | -0.050000 | 0.002381 | 1.003115 |
| LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | ThresholdOptimizer | FAIR_GAN_HYPERPARAMETER | 0.705000 | 0.798635 | 0.050000 | -0.050000 | 0.002381 | 1.003115 |
| LinearDiscriminantAnalysis_ROS_HYPERPARAMETER | POSTPROCESSING | ThresholdOptimizer | ROS_HYPERPARAMETER | 0.705000 | 0.798635 | 0.050000 | -0.050000 | 0.002381 | 1.003115 |
| LinearDiscriminantAnalysis_RUS_HYPERPARAMETER | POSTPROCESSING | ThresholdOptimizer | RUS_HYPERPARAMETER | 0.705000 | 0.798635 | 0.050000 | -0.050000 | 0.002381 | 1.003115 |
| LogisticRegressionCV | POSTPROCESSING | ThresholdOptimizer | LogisticRegressionCV | 0.705000 | 0.797251 | 0.067500 | -0.040000 | 0.016667 | 1.022222 |
| LinearDiscriminantAnalysis | POSTPROCESSING | FairnessAwareMetaEstimator | LinearDiscriminantAnalysis | 0.705000 | 0.794425 | -0.062500 | -0.125000 | -0.097619 | 0.872274 |
| LinearDiscriminantAnalysis | POSTPROCESSING | FairnessAwareMetaEstimator | LinearDiscriminantAnalysis | 0.705000 | 0.794425 | -0.062500 | -0.125000 | -0.097619 | 0.872274 |
| LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | FairnessAwareMetaEstimator | FAIR_GAN_HYPERPARAMETER | 0.705000 | 0.794425 | -0.062500 | -0.125000 | -0.097619 | 0.872274 |
| LinearDiscriminantAnalysis_ROS_HYPERPARAMETER | POSTPROCESSING | FairnessAwareMetaEstimator | ROS_HYPERPARAMETER | 0.705000 | 0.794425 | -0.062500 | -0.125000 | -0.097619 | 0.872274 |
| LinearDiscriminantAnalysis_RUS_HYPERPARAMETER | POSTPROCESSING | FairnessAwareMetaEstimator | RUS_HYPERPARAMETER | 0.705000 | 0.794425 | -0.062500 | -0.125000 | -0.097619 | 0.872274 |
| LogisticRegressionCV | POSTPROCESSING | FairnessAwareMetaEstimator | LogisticRegressionCV | 0.705000 | 0.792982 | -0.045000 | -0.115000 | -0.083333 | 0.888889 |
| LogisticRegressionCV | POSTPROCESSING | FairnessAwareMetaEstimator | LogisticRegressionCV | 0.700000 | 0.793103 | -0.020000 | -0.065000 | -0.047619 | 0.937695 |
| LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | FairnessAwareMetaEstimator | FAIR_GAN_HYPERPARAMETER | 0.700000 | 0.793103 | -0.020000 | -0.065000 | -0.047619 | 0.937695 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | FairnessAwareMetaEstimator | RUS_HYPERPARAMETER | 0.700000 | 0.793103 | -0.020000 | -0.065000 | -0.047619 | 0.937695 |
| MLPClassifier | POSTPROCESSING | FairnessAwareMetaEstimator | MLPClassifier | 0.700000 | 0.791667 | -0.057500 | -0.090000 | -0.080952 | 0.894081 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | ExtraTreesClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI | ExtraTreesClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI | 0.700000 | 0.437500 | -0.490079 | -0.944444 | -0.167421 | 0.186813 |
| MLPClassifier_FAIR_PCA_HYPERPARAMETER | POSTPROCESSING | ThresholdOptimizer | FAIR_PCA_HYPERPARAMETER | 0.695000 | 0.794613 | 0.082500 | -0.060000 | 0.021429 | 1.027523 |
| MLPClassifier_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | FairnessAwareMetaEstimator | FAIR_GAN_HYPERPARAMETER | 0.695000 | 0.790378 | -0.032500 | -0.065000 | -0.054762 | 0.929012 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | FairnessAwareMetaEstimator | ROS_HYPERPARAMETER | 0.695000 | 0.790378 | -0.032500 | -0.065000 | -0.054762 | 0.929012 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | FairnessAwareMetaEstimator | RUS_HYPERPARAMETER | 0.695000 | 0.790378 | -0.032500 | -0.065000 | -0.054762 | 0.929012 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | FairnessAwareMetaEstimator | NONE_BASE_LINE_VALUES | 0.695000 | 0.785965 | 0.075000 | 0.000000 | 0.035714 | 1.050000 |
| LinearDiscriminantAnalysis_RUS_HYPERPARAMETER | POSTPROCESSING | LinearDiscriminantAnalysis_RUS_HYPERPARAMETER_CERTI_FAI | LinearDiscriminantAnalysis_RUS_HYPERPARAMETER_CERTI_FAI | 0.693182 | 0.737864 | -0.096805 | -0.452381 | -0.219794 | 0.627572 |
| MLPClassifier_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | ThresholdOptimizer | FAIR_GAN_HYPERPARAMETER | 0.690000 | 0.789116 | 0.100000 | 0.100000 | 0.090476 | 1.121795 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | ThresholdOptimizer | ROS_HYPERPARAMETER | 0.690000 | 0.789116 | 0.100000 | 0.100000 | 0.090476 | 1.121795 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | ThresholdOptimizer | RUS_HYPERPARAMETER | 0.690000 | 0.789116 | 0.100000 | 0.100000 | 0.090476 | 1.121795 |
| LinearDiscriminantAnalysis_ROS_HYPERPARAMETER | POSTPROCESSING | LinearDiscriminantAnalysis_ROS_HYPERPARAMETER_CERTI_FAI | LinearDiscriminantAnalysis_ROS_HYPERPARAMETER_CERTI_FAI | 0.689655 | 0.696629 | -0.250856 | -0.509404 | -0.246023 | 0.533405 |
| MLPClassifier_FAIR_PCA_HYPERPARAMETER | POSTPROCESSING | FairnessAwareMetaEstimator | FAIR_PCA_HYPERPARAMETER | 0.685000 | 0.784983 | -0.072500 | -0.170000 | -0.116667 | 0.854167 |
| MLPClassifier | POSTPROCESSING | ThresholdOptimizer | MLPClassifier | 0.680000 | 0.777778 | 0.130000 | 0.035000 | 0.085714 | 1.120000 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | LogisticRegressionCV_RUS_HYPERPARAMETER_CERTI_FAI | LogisticRegressionCV_RUS_HYPERPARAMETER_CERTI_FAI | 0.679012 | 0.593750 | -0.236149 | -0.653333 | -0.222222 | 0.400000 |
| ExtraTreesClassifier_SMOTE_SMOTE | POSTPROCESSING | ExtraTreesClassifier_SMOTE_SMOTE_CERTI_FAI | ExtraTreesClassifier_SMOTE_SMOTE_CERTI_FAI | 0.666667 | 0.000000 | NaN | NaN | 0.000000 | NaN |
| ExtraTreesClassifier_BASE_LINE_VALUES | POSTPROCESSING | ExtraTreesClassifier_BASE_LINE_VALUES_CERTI_FAI | ExtraTreesClassifier_BASE_LINE_VALUES_CERTI_FAI | 0.653061 | 0.370370 | NaN | -0.941176 | -0.097426 | 0.376471 |
| LinearDiscriminantAnalysis_BASE_HYPER | POSTPROCESSING | LinearDiscriminantAnalysis_BASE_HYPER_CERTI_FAI | LinearDiscriminantAnalysis_BASE_HYPER_CERTI_FAI | 0.587302 | 0.638889 | -0.566017 | -0.833333 | -0.616633 | 0.251232 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | ExtraTreesClassifier_NONE_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.587302 | 0.628571 | 0.000000 | 0.000000 | -0.002869 | 0.995122 |
| ExtraTreesClassifier_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | ExtraTreesClassifier_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.579365 | 0.629371 | -0.105952 | -0.161905 | -0.110473 | 0.829268 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | MLPClassifier_ROS_HYPERPARAMETER_CERTI_FAI | MLPClassifier_ROS_HYPERPARAMETER_CERTI_FAI | 0.573770 | 0.315789 | -0.192776 | -0.294643 | -0.154444 | 0.205714 |
| ExtraTreesClassifier_SMOTE_SMOTE | POSTPROCESSING | CounterfactualAnalyzer | ExtraTreesClassifier_SMOTE_SMOTE_CounterfactualAnalyzer | 0.571429 | 0.608696 | -0.047619 | -0.095238 | -0.051650 | 0.912195 |
| LinearSVC_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | LinearSVC_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.555556 | 0.616438 | -0.105952 | -0.161905 | -0.109613 | 0.836543 |
| MLPClassifier_BASE_HYPER | POSTPROCESSING | MLPClassifier_BASE_HYPER_CERTI_FAI | MLPClassifier_BASE_HYPER_CERTI_FAI | 0.543860 | 0.480000 | -0.180655 | -0.461310 | -0.277916 | 0.216783 |
| RidgeClassifierCV_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | RidgeClassifierCV_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.539683 | 0.597222 | -0.083730 | -0.117460 | -0.086083 | 0.866962 |
| LinearDiscriminantAnalysis_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | LinearDiscriminantAnalysis_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.531746 | 0.575540 | -0.095238 | -0.190476 | -0.099570 | 0.837242 |
| LinearDiscriminantAnalysis_BASE_HYPER | POSTPROCESSING | CounterfactualAnalyzer | LinearDiscriminantAnalysis_BASE_HYPER_CounterfactualAnalyzer | 0.531746 | 0.575540 | -0.095238 | -0.190476 | -0.099570 | 0.837242 |
| LogisticRegressionCV_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | LogisticRegressionCV_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.531746 | 0.569343 | -0.071627 | -0.168254 | -0.076040 | 0.870732 |
| LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | CounterfactualAnalyzer | LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER_CounterfactualAnalyzer | 0.523810 | 0.687500 | 0.000000 | 0.000000 | 0.000000 | 1.000000 |
| LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | CounterfactualAnalyzer | LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER_CounterfactualAnalyzer | 0.523810 | 0.687500 | 0.000000 | 0.000000 | 0.000000 | 1.000000 |
| MLPClassifier_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | CounterfactualAnalyzer | MLPClassifier_FAIR_GAN_HYPERPARAMETER_CounterfactualAnalyzer | 0.523810 | 0.687500 | 0.000000 | 0.000000 | 0.000000 | 1.000000 |
| MLPClassifier_BASE_HYPER | POSTPROCESSING | CounterfactualAnalyzer | MLPClassifier_BASE_HYPER_CounterfactualAnalyzer | 0.523810 | 0.589041 | -0.033730 | -0.117460 | -0.037303 | 0.942350 |
| LogisticRegressionCV_BASE_HYPER | POSTPROCESSING | CounterfactualAnalyzer | LogisticRegressionCV_BASE_HYPER_CounterfactualAnalyzer | 0.523810 | 0.577465 | -0.024008 | -0.073016 | -0.026399 | 0.956848 |
| MLPClassifier_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | MLPClassifier_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.515873 | 0.548148 | -0.086905 | -0.123810 | -0.088666 | 0.846192 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | MLPClassifier_NONE_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.515873 | 0.548148 | -0.084325 | -0.193651 | -0.088666 | 0.846192 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | CounterfactualAnalyzer | LogisticRegressionCV_RUS_HYPERPARAMETER_CounterfactualAnalyzer | 0.507937 | 0.392157 | 0.012302 | -0.025397 | 0.010330 | 1.036585 |
| LinearDiscriminantAnalysis_ROS_HYPERPARAMETER | POSTPROCESSING | CounterfactualAnalyzer | LinearDiscriminantAnalysis_ROS_HYPERPARAMETER_CounterfactualAnalyzer | 0.492063 | 0.396226 | -0.033730 | -0.117460 | -0.036729 | 0.888502 |
| MLPClassifier_FAIR_PCA_HYPERPARAMETER | POSTPROCESSING | CounterfactualAnalyzer | MLPClassifier_FAIR_PCA_HYPERPARAMETER_CounterfactualAnalyzer | 0.484127 | 0.503817 | -0.074802 | -0.174603 | -0.077762 | 0.856310 |
| MLPClassifier_BASE_LINE_VALUES | POSTPROCESSING | MLPClassifier_BASE_LINE_VALUES_CERTI_FAI | MLPClassifier_BASE_LINE_VALUES_CERTI_FAI | 0.479452 | 0.240000 | -0.089485 | -0.174641 | -0.096124 | 0.409524 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | CounterfactualAnalyzer | MLPClassifier_RUS_HYPERPARAMETER_CounterfactualAnalyzer | 0.468254 | 0.361905 | 0.043254 | 0.136508 | 0.047346 | 1.160976 |
| MLPClassifier_FAIR_PCA_HYPERPARAMETER | POSTPROCESSING | MLPClassifier_FAIR_PCA_HYPERPARAMETER_CERTI_FAI | MLPClassifier_FAIR_PCA_HYPERPARAMETER_CERTI_FAI | 0.466667 | 0.538462 | -0.677696 | -0.480392 | -0.530364 | 0.224852 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | CounterfactualAnalyzer | MLPClassifier_ROS_HYPERPARAMETER_CounterfactualAnalyzer | 0.460317 | 0.403509 | 0.016468 | -0.092063 | 0.013773 | 1.036585 |
| LinearDiscriminantAnalysis_RUS_HYPERPARAMETER | POSTPROCESSING | CounterfactualAnalyzer | LinearDiscriminantAnalysis_RUS_HYPERPARAMETER_CounterfactualAnalyzer | 0.460317 | 0.320000 | -0.003175 | -0.006349 | -0.002296 | 0.991516 |
| RidgeClassifierCV_BASE_LINE_VALUES | POSTPROCESSING | RidgeClassifierCV_BASE_LINE_VALUES_CERTI_FAI | RidgeClassifierCV_BASE_LINE_VALUES_CERTI_FAI | 0.444444 | 0.375000 | -0.950000 | -0.900000 | -0.933333 | 0.066667 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | MLPClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI | MLPClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI | 0.434783 | 0.338983 | -0.181481 | -0.196296 | -0.189744 | 0.260000 |
| LogisticRegressionCV_BASE_LINE_VALUES | POSTPROCESSING | LogisticRegressionCV_BASE_LINE_VALUES_CERTI_FAI | LogisticRegressionCV_BASE_LINE_VALUES_CERTI_FAI | 0.420000 | 0.256410 | -0.165909 | -0.150000 | -0.143317 | 0.340741 |
| LogisticRegressionCV_BASE_HYPER | POSTPROCESSING | LogisticRegressionCV_BASE_HYPER_CERTI_FAI | LogisticRegressionCV_BASE_HYPER_CERTI_FAI | 0.415094 | 0.162162 | -0.165385 | -0.230769 | -0.173913 | 0.000000 |
| LinearSVC_BASE_LINE_VALUES | POSTPROCESSING | LinearSVC_BASE_LINE_VALUES_CERTI_FAI | LinearSVC_BASE_LINE_VALUES_CERTI_FAI | 0.403846 | 0.415094 | -1.000000 | -1.000000 | -1.000000 | 0.000000 |
Al finalizar el entrenamiento, se obtiene un conjunto de modelos construidos mediante intervenciones de equidad que cumplen con los criterios de la frontera de Pareto. Las métricas asociadas a estos modelos son analizadas para identificar las intervenciones más prometedoras, las cuales se considerarán en la recomendación final sobre las fases más apropiadas del proceso de machine learning para implementar dichas intervenciones.
| Algoritmo | Fase | Intervencion | Proceso | accuracy | f1_score | average_odds_difference | equal_opportunity_difference | statistical_parity_difference | disparate_impact |
|---|---|---|---|---|---|---|---|---|---|
| CalibratedClassifierCV | POSTPROCESSING | RejectOptionClassification | CalibratedClassifierCV | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| CalibratedClassifierCV | POSTPROCESSING | EqOddsPostprocessing | CalibratedClassifierCV | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| CalibratedClassifierCV | POSTPROCESSING | CalibratedEqOddsPostprocessing | CalibratedClassifierCV | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis | POSTPROCESSING | RejectOptionClassification | LinearDiscriminantAnalysis | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis | POSTPROCESSING | EqOddsPostprocessing | LinearDiscriminantAnalysis | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis | POSTPROCESSING | CalibratedEqOddsPostprocessing | LinearDiscriminantAnalysis | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier | POSTPROCESSING | RejectOptionClassification | MLPClassifier | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier | POSTPROCESSING | EqOddsPostprocessing | MLPClassifier | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier | POSTPROCESSING | CalibratedEqOddsPostprocessing | MLPClassifier | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| CalibratedClassifierCV | POSTPROCESSING | RejectOptionClassification | CalibratedClassifierCV | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| CalibratedClassifierCV | POSTPROCESSING | EqOddsPostprocessing | CalibratedClassifierCV | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| CalibratedClassifierCV | POSTPROCESSING | CalibratedEqOddsPostprocessing | CalibratedClassifierCV | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV | POSTPROCESSING | RejectOptionClassification | LogisticRegressionCV | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV | POSTPROCESSING | EqOddsPostprocessing | LogisticRegressionCV | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV | POSTPROCESSING | CalibratedEqOddsPostprocessing | LogisticRegressionCV | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier | POSTPROCESSING | RejectOptionClassification | ExtraTreesClassifier | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier | POSTPROCESSING | EqOddsPostprocessing | ExtraTreesClassifier | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier | POSTPROCESSING | CalibratedEqOddsPostprocessing | ExtraTreesClassifier | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis | POSTPROCESSING | RejectOptionClassification | LinearDiscriminantAnalysis | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis | POSTPROCESSING | EqOddsPostprocessing | LinearDiscriminantAnalysis | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis | POSTPROCESSING | CalibratedEqOddsPostprocessing | LinearDiscriminantAnalysis | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV | POSTPROCESSING | RejectOptionClassification | LogisticRegressionCV | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV | POSTPROCESSING | EqOddsPostprocessing | LogisticRegressionCV | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV | POSTPROCESSING | CalibratedEqOddsPostprocessing | LogisticRegressionCV | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier | POSTPROCESSING | RejectOptionClassification | MLPClassifier | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier | POSTPROCESSING | EqOddsPostprocessing | MLPClassifier | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier | POSTPROCESSING | CalibratedEqOddsPostprocessing | MLPClassifier | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | RejectOptionClassification | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | EqOddsPostprocessing | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | CalibratedEqOddsPostprocessing | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_SMOTE_SMOTE | POSTPROCESSING | RejectOptionClassification | SMOTE_SMOTE | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_SMOTE_SMOTE | POSTPROCESSING | EqOddsPostprocessing | SMOTE_SMOTE | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_SMOTE_SMOTE | POSTPROCESSING | CalibratedEqOddsPostprocessing | SMOTE_SMOTE | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | RejectOptionClassification | FAIR_GAN_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | EqOddsPostprocessing | FAIR_GAN_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | CalibratedEqOddsPostprocessing | FAIR_GAN_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_ROS_HYPERPARAMETER | POSTPROCESSING | RejectOptionClassification | ROS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_ROS_HYPERPARAMETER | POSTPROCESSING | EqOddsPostprocessing | ROS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_ROS_HYPERPARAMETER | POSTPROCESSING | CalibratedEqOddsPostprocessing | ROS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_RUS_HYPERPARAMETER | POSTPROCESSING | RejectOptionClassification | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_RUS_HYPERPARAMETER | POSTPROCESSING | EqOddsPostprocessing | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_RUS_HYPERPARAMETER | POSTPROCESSING | CalibratedEqOddsPostprocessing | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | RejectOptionClassification | FAIR_GAN_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | EqOddsPostprocessing | FAIR_GAN_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | CalibratedEqOddsPostprocessing | FAIR_GAN_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | RejectOptionClassification | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | EqOddsPostprocessing | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | CalibratedEqOddsPostprocessing | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | RejectOptionClassification | FAIR_GAN_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | EqOddsPostprocessing | FAIR_GAN_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | CalibratedEqOddsPostprocessing | FAIR_GAN_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_FAIR_PCA_HYPERPARAMETER | POSTPROCESSING | RejectOptionClassification | FAIR_PCA_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_FAIR_PCA_HYPERPARAMETER | POSTPROCESSING | EqOddsPostprocessing | FAIR_PCA_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_FAIR_PCA_HYPERPARAMETER | POSTPROCESSING | CalibratedEqOddsPostprocessing | FAIR_PCA_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | RejectOptionClassification | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | EqOddsPostprocessing | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | CalibratedEqOddsPostprocessing | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | RejectOptionClassification | ROS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | EqOddsPostprocessing | ROS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | CalibratedEqOddsPostprocessing | ROS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | RejectOptionClassification | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | EqOddsPostprocessing | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | CalibratedEqOddsPostprocessing | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| RidgeClassifierCV_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearSVC_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_BASE_HYPER | POSTPROCESSING | RandomizedThreshold | BASE_HYPER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_BASE_HYPER | POSTPROCESSING | RandomizedThreshold | BASE_HYPER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_BASE_HYPER | POSTPROCESSING | RandomizedThreshold | BASE_HYPER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_SMOTE_SMOTE | POSTPROCESSING | RandomizedThreshold | SMOTE_SMOTE | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier_UNAWARENESS_UNAWARENESS_FOS | POSTPROCESSING | RandomizedThreshold | UNAWARENESS_UNAWARENESS_FOS | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | FAIR_GAN_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_ROS_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | ROS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_RUS_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LinearDiscriminantAnalysis_UNAWARENESS_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | UNAWARENESS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | FAIR_GAN_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| LogisticRegressionCV_UNAWARENESS_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | UNAWARENESS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | FAIR_GAN_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_FAIR_PCA_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | FAIR_PCA_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | RandomizedThreshold | NONE_BASE_LINE_VALUES | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | ROS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | RUS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| MLPClassifier_UNAWARENESS_HYPERPARAMETER | POSTPROCESSING | RandomizedThreshold | UNAWARENESS_HYPERPARAMETER | 1.000000 | 1.000000 | 0.000000e+00 | 0.000000 | -0.047619 | 0.933333 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_FOS | 0.760000 | 0.832168 | -3.500000e-02 | -0.070000 | -0.066667 | 0.911111 |
| ExtraTreesClassifier | POSTPROCESSING | FairnessAwareMetaEstimator | ExtraTreesClassifier | 0.745000 | 0.823529 | -9.000000e-02 | -0.105000 | -0.111905 | 0.856269 |
| ExtraTreesClassifier | BASE_LINE | NONE | BASE_LINE_VALUES | 0.745000 | 0.822300 | 0.000000e+00 | -0.025000 | -0.026190 | 0.964744 |
| ExtraTreesClassifier | PREPROCESSING | FOS | FOS | 0.745000 | 0.822300 | 2.500000e-03 | -0.095000 | -0.050000 | 0.933333 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FOS_FAIR_PCA | 0.740000 | 0.821918 | 7.500000e-03 | -0.010000 | -0.014286 | 0.981308 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | FairnessAwareMetaEstimator | NONE_BASE_LINE_VALUES | 0.740000 | 0.819444 | -2.750000e-02 | -0.130000 | -0.080952 | 0.894081 |
| ExtraTreesClassifier_SMOTE_SMOTE | POSTPROCESSING | FairnessAwareMetaEstimator | SMOTE_SMOTE | 0.740000 | 0.819444 | -2.750000e-02 | -0.130000 | -0.080952 | 0.894081 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | DEMV_FAIR_PCA | 0.740000 | 0.808824 | -9.250000e-02 | -0.085000 | -0.109524 | 0.841924 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | MLPClassifier_RUS_HYPERPARAMETER_CERTI_FAI | MLPClassifier_RUS_HYPERPARAMETER_CERTI_FAI | 0.739130 | 0.760000 | 2.790698e-02 | -0.344186 | -0.077612 | 0.837500 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_GAN | 0.735000 | 0.833856 | -1.000000e-02 | -0.070000 | -0.040476 | 0.955381 |
| ExtraTreesClassifier | PREPROCESSING | FAIR_GAN | FAIR_PCA | 0.735000 | 0.831746 | 5.000000e-03 | -0.015000 | -0.011905 | 0.986450 |
| ExtraTreesClassifier | POSTPROCESSING | ThresholdOptimizer | ExtraTreesClassifier | 0.735000 | 0.821549 | 3.250000e-02 | 0.040000 | 0.021429 | 1.027523 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | ThresholdOptimizer | NONE_BASE_LINE_VALUES | 0.735000 | 0.820339 | 3.500000e-02 | -0.055000 | -0.011905 | 0.984709 |
| ExtraTreesClassifier_SMOTE_SMOTE | POSTPROCESSING | ThresholdOptimizer | SMOTE_SMOTE | 0.735000 | 0.820339 | 3.500000e-02 | -0.055000 | -0.011905 | 0.984709 |
| ExtraTreesClassifier | BASE_LINE | ROS | ROS | 0.735000 | 0.819113 | -2.500000e-03 | -0.080000 | -0.045238 | 0.941896 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_ROS | 0.735000 | 0.819113 | -5.750000e-02 | -0.115000 | -0.092857 | 0.882883 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | BAL_GAN_FAIR_FAIR_PCA | 0.735000 | 0.816609 | -1.175000e-01 | -0.060000 | -0.111905 | 0.856269 |
| ExtraTreesClassifier | BASE_LINE | SMOTE | SMOTE | 0.735000 | 0.814035 | -2.500000e-02 | -0.075000 | -0.059524 | 0.919872 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_DEMV | 0.735000 | 0.810036 | 1.000000e-02 | -0.080000 | -0.040476 | 0.942761 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | BAL_GAN_FAIR_FAIR_PCA | 0.735000 | 0.808664 | -4.750000e-02 | -0.070000 | -0.073810 | 0.895623 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS | 0.730000 | 0.813793 | -5.500000e-02 | -0.060000 | -0.071429 | 0.907407 |
| MLPClassifier | BASE_LINE | SMOTE | SMOTE | 0.730000 | 0.811189 | -1.100000e-01 | -0.145000 | -0.138095 | 0.820988 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | DEMV_FAIR_PCA | 0.730000 | 0.802920 | -7.500000e-03 | -0.015000 | -0.028571 | 0.957895 |
| ExtraTreesClassifier | PREPROCESSING | FAIR_GAN | FAIR_GAN | 0.725000 | 0.827586 | -1.750000e-02 | -0.060000 | -0.040476 | 0.955381 |
| ExtraTreesClassifier | BASE_LINE | FAIR_PCA | FAIR_PCA | 0.725000 | 0.808362 | 8.000000e-02 | -0.040000 | 0.021429 | 1.029412 |
| ExtraTreesClassifier | PREPROCESSING | FOS | FAIR_PCA | 0.725000 | 0.808362 | 5.000000e-03 | -0.040000 | -0.026190 | 0.964744 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_BAL_GAN_FAIR | 0.725000 | 0.804270 | 9.500000e-02 | -0.010000 | 0.040476 | 1.058419 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | SMOTE | 0.725000 | 0.802867 | 2.250000e-02 | -0.105000 | -0.040476 | 0.942761 |
| ExtraTreesClassifier | PREPROCESSING | DEMV | DEMV | 0.725000 | 0.800000 | 9.250000e-02 | -0.015000 | 0.035714 | 1.053763 |
| MLPClassifier | PREPROCESSING | BAL_GAN_FAIR | BAL_GAN_FAIR | 0.725000 | 0.800000 | 7.500000e-02 | -0.050000 | 0.011905 | 1.017730 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | ROS_FAIR_PCA | 0.725000 | 0.798535 | 2.025000e-01 | 0.030000 | 0.121429 | 1.193182 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | ROS_FAIR_PCA | 0.725000 | 0.798535 | 2.025000e-01 | 0.030000 | 0.121429 | 1.193182 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_BAL_GAN_FAIR | 0.725000 | 0.794007 | -4.000000e-02 | -0.080000 | -0.073810 | 0.887681 |
| CalibratedClassifierCV | POSTPROCESSING | ThresholdOptimizer | CalibratedClassifierCV | 0.720000 | 0.813333 | 3.500000e-02 | -0.030000 | 0.000000 | 1.000000 |
| CalibratedClassifierCV | POSTPROCESSING | FairnessAwareMetaEstimator | CalibratedClassifierCV | 0.720000 | 0.809524 | -7.750000e-02 | -0.105000 | -0.100000 | 0.875000 |
| ExtraTreesClassifier | BASE_LINE | FAIR_PCA | ROS | 0.720000 | 0.808219 | 7.000000e-02 | -0.060000 | 0.009524 | 1.012579 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_FOS | 0.720000 | 0.802817 | 4.750000e-02 | -0.055000 | -0.004762 | 0.993399 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | ROS | 0.720000 | 0.798561 | 8.000000e-02 | 0.010000 | 0.038095 | 1.056140 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_DEMV | 0.720000 | 0.795620 | -5.000000e-02 | -0.075000 | -0.076190 | 0.890034 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_ROS | 0.720000 | 0.789474 | 2.500000e-03 | -0.070000 | -0.042857 | 0.933333 |
| MLPClassifier | BASE_LINE | FAIR_PCA | FAIR_PCA | 0.715000 | 0.808081 | -6.750000e-02 | -0.185000 | -0.121429 | 0.852174 |
| RidgeClassifierCV | BASE_LINE | FAIR_PCA | FAIR_PCA | 0.715000 | 0.806780 | -1.075000e-01 | -0.140000 | -0.130952 | 0.839181 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA | 0.715000 | 0.806780 | -1.075000e-01 | -0.140000 | -0.130952 | 0.839181 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_ROS | 0.715000 | 0.805461 | -1.500000e-02 | -0.130000 | -0.069048 | 0.912121 |
| MLPClassifier | POSTPROCESSING | ThresholdOptimizer | MLPClassifier | 0.715000 | 0.804124 | 1.850000e-01 | 0.020000 | 0.111905 | 1.155116 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA | 0.715000 | 0.802768 | 3.750000e-02 | -0.075000 | -0.016667 | 0.977778 |
| NN_CONFIG | BASE_LINE | NONE | NN | 0.715000 | 0.797153 | 1.250000e-02 | 0.000000 | -0.007143 | 0.989899 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_BAL_GAN_FAIR | 0.715000 | 0.797153 | 3.250000e-02 | -0.035000 | -0.007143 | 0.989899 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_SMOTE | 0.715000 | 0.795699 | -9.500000e-02 | -0.165000 | -0.135714 | 0.815534 |
| ExtraTreesClassifier | PREPROCESSING | BAL_GAN_FAIR | BAL_GAN_FAIR | 0.715000 | 0.792727 | 1.025000e-01 | 0.030000 | 0.059524 | 1.090580 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FOS | 0.715000 | 0.788104 | 8.000000e-02 | 0.060000 | 0.054762 | 1.087121 |
| LinearDiscriminantAnalysis_BASE_LINE_VALUES | POSTPROCESSING | LinearDiscriminantAnalysis_BASE_LINE_VALUES_CERTI_FAI | LinearDiscriminantAnalysis_BASE_LINE_VALUES_CERTI_FAI | 0.714286 | 0.775000 | -3.831169e-01 | -0.636364 | -0.454361 | 0.405836 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_GAN | 0.710000 | 0.815287 | 5.250000e-02 | -0.020000 | 0.019048 | 1.022039 |
| CalibratedClassifierCV | POSTPROCESSING | FairnessAwareMetaEstimator | CalibratedClassifierCV | 0.710000 | 0.801370 | -6.750000e-02 | -0.085000 | -0.085714 | 0.890909 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | ThresholdOptimizer | NONE_BASE_LINE_VALUES | 0.710000 | 0.800000 | 4.000000e-02 | 0.030000 | 0.023810 | 1.032051 |
| MLPClassifier | POSTPROCESSING | FairnessAwareMetaEstimator | MLPClassifier | 0.710000 | 0.800000 | -5.000000e-02 | -0.075000 | -0.071429 | 0.907407 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA | 0.710000 | 0.798611 | -8.500000e-02 | -0.170000 | -0.128571 | 0.834862 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | UNAWARENESS | 0.710000 | 0.791367 | 3.500000e-02 | 0.020000 | 0.014286 | 1.020833 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_FOS | 0.710000 | 0.791367 | 5.750000e-02 | -0.085000 | -0.009524 | 0.986254 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_SMOTE | 0.710000 | 0.791367 | -7.250000e-02 | -0.120000 | -0.104762 | 0.854785 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | ROS_FAIR_PCA | 0.710000 | 0.791367 | -1.475000e-01 | -0.120000 | -0.152381 | 0.792880 |
| RidgeClassifierCV | PREPROCESSING | FOS | FOS | 0.710000 | 0.788321 | 5.500000e-02 | -0.065000 | -0.004762 | 0.992908 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FOS | 0.710000 | 0.788321 | 5.500000e-02 | -0.065000 | -0.004762 | 0.992908 |
| LogisticRegressionCV | PREPROCESSING | FOS | HYPERPARAMETER_FAIR_PCA | 0.710000 | 0.788321 | 3.750000e-02 | -0.100000 | -0.028571 | 0.957895 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FOS | 0.710000 | 0.788321 | 3.750000e-02 | -0.100000 | -0.028571 | 0.957895 |
| MLPClassifier | PREPROCESSING | BAL_GAN_FAIR | HYPERPARAMETER | 0.710000 | 0.786765 | 7.250000e-02 | -0.055000 | 0.009524 | 1.014493 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | DEMV | 0.710000 | 0.786765 | 1.750000e-02 | -0.090000 | -0.038095 | 0.943262 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | DEMV | 0.710000 | 0.786765 | 1.750000e-02 | -0.090000 | -0.038095 | 0.943262 |
| CalibratedClassifierCV | POSTPROCESSING | ThresholdOptimizer | CalibratedClassifierCV | 0.705000 | 0.805281 | 1.450000e-01 | 0.040000 | 0.097619 | 1.124242 |
| LogisticRegressionCV | POSTPROCESSING | ThresholdOptimizer | LogisticRegressionCV | 0.705000 | 0.801347 | 1.050000e-01 | 0.035000 | 0.069048 | 1.090343 |
| LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | ThresholdOptimizer | FAIR_GAN_HYPERPARAMETER | 0.705000 | 0.801347 | 1.050000e-01 | 0.035000 | 0.069048 | 1.090343 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | ThresholdOptimizer | RUS_HYPERPARAMETER | 0.705000 | 0.801347 | 1.050000e-01 | 0.035000 | 0.069048 | 1.090343 |
| MLPClassifier | BASE_LINE | SMOTE | HYPERPARAMETER | 0.705000 | 0.801347 | -4.000000e-02 | -0.105000 | -0.073810 | 0.908555 |
| LinearDiscriminantAnalysis | POSTPROCESSING | ThresholdOptimizer | LinearDiscriminantAnalysis | 0.705000 | 0.798635 | 5.000000e-02 | -0.050000 | 0.002381 | 1.003115 |
| LinearDiscriminantAnalysis | POSTPROCESSING | ThresholdOptimizer | LinearDiscriminantAnalysis | 0.705000 | 0.798635 | 5.000000e-02 | -0.050000 | 0.002381 | 1.003115 |
| LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | ThresholdOptimizer | FAIR_GAN_HYPERPARAMETER | 0.705000 | 0.798635 | 5.000000e-02 | -0.050000 | 0.002381 | 1.003115 |
| LinearDiscriminantAnalysis_ROS_HYPERPARAMETER | POSTPROCESSING | ThresholdOptimizer | ROS_HYPERPARAMETER | 0.705000 | 0.798635 | 5.000000e-02 | -0.050000 | 0.002381 | 1.003115 |
| LinearDiscriminantAnalysis_RUS_HYPERPARAMETER | POSTPROCESSING | ThresholdOptimizer | RUS_HYPERPARAMETER | 0.705000 | 0.798635 | 5.000000e-02 | -0.050000 | 0.002381 | 1.003115 |
| LogisticRegressionCV | POSTPROCESSING | ThresholdOptimizer | LogisticRegressionCV | 0.705000 | 0.797251 | 6.750000e-02 | -0.040000 | 0.016667 | 1.022222 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER | 0.705000 | 0.797251 | -6.250000e-02 | -0.075000 | -0.078571 | 0.899083 |
| LinearSVC | BASE_LINE | FAIR_PCA | SMOTE | 0.705000 | 0.795848 | -7.750000e-02 | -0.205000 | -0.135714 | 0.827273 |
| LinearDiscriminantAnalysis | BASE_LINE | NONE | BASE_LINE_VALUES | 0.705000 | 0.794425 | -6.250000e-02 | -0.125000 | -0.097619 | 0.872274 |
| LinearDiscriminantAnalysis | BASE_LINE | HYPERPARAMETER | HYPERPARAMETER | 0.705000 | 0.794425 | -6.250000e-02 | -0.125000 | -0.097619 | 0.872274 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS | 0.705000 | 0.794425 | -6.250000e-02 | -0.125000 | -0.097619 | 0.872274 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS | 0.705000 | 0.794425 | -6.250000e-02 | -0.125000 | -0.097619 | 0.872274 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER | 0.705000 | 0.794425 | -6.250000e-02 | -0.125000 | -0.097619 | 0.872274 |
| LinearDiscriminantAnalysis | POSTPROCESSING | FairnessAwareMetaEstimator | LinearDiscriminantAnalysis | 0.705000 | 0.794425 | -6.250000e-02 | -0.125000 | -0.097619 | 0.872274 |
| LinearDiscriminantAnalysis | POSTPROCESSING | FairnessAwareMetaEstimator | LinearDiscriminantAnalysis | 0.705000 | 0.794425 | -6.250000e-02 | -0.125000 | -0.097619 | 0.872274 |
| LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | FairnessAwareMetaEstimator | FAIR_GAN_HYPERPARAMETER | 0.705000 | 0.794425 | -6.250000e-02 | -0.125000 | -0.097619 | 0.872274 |
| LinearDiscriminantAnalysis_ROS_HYPERPARAMETER | POSTPROCESSING | FairnessAwareMetaEstimator | ROS_HYPERPARAMETER | 0.705000 | 0.794425 | -6.250000e-02 | -0.125000 | -0.097619 | 0.872274 |
| LinearDiscriminantAnalysis_RUS_HYPERPARAMETER | POSTPROCESSING | FairnessAwareMetaEstimator | RUS_HYPERPARAMETER | 0.705000 | 0.794425 | -6.250000e-02 | -0.125000 | -0.097619 | 0.872274 |
| LogisticRegressionCV | BASE_LINE | NONE | BASE_LINE_VALUES | 0.705000 | 0.792982 | -4.500000e-02 | -0.115000 | -0.083333 | 0.888889 |
| LogisticRegressionCV | POSTPROCESSING | FairnessAwareMetaEstimator | LogisticRegressionCV | 0.705000 | 0.792982 | -4.500000e-02 | -0.115000 | -0.083333 | 0.888889 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_SMOTE | 0.705000 | 0.791519 | 1.000000e-02 | -0.105000 | -0.045238 | 0.937908 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_SMOTE | 0.705000 | 0.791519 | -4.500000e-02 | -0.140000 | -0.092857 | 0.875000 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | SMOTE_FAIR_PCA | 0.705000 | 0.790036 | -3.000000e-02 | -0.060000 | -0.054762 | 0.924092 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_SMOTE | 0.705000 | 0.790036 | -1.000000e-01 | -0.200000 | -0.150000 | 0.800000 |
| ExtraTreesClassifier | PREPROCESSING | BAL_GAN_FAIR | FAIR_PCA | 0.705000 | 0.788530 | 4.500000e-02 | -0.085000 | -0.016667 | 0.976190 |
| MLPClassifier | PREPROCESSING | BAL_GAN_FAIR | HYPERPARAMETER_FAIR_PCA | 0.705000 | 0.788530 | -3.000000e-02 | -0.085000 | -0.064286 | 0.910000 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | DEMV_FAIR_PCA | 0.705000 | 0.788530 | -2.325000e-01 | -0.190000 | -0.230952 | 0.697819 |
| MLPClassifier | PREPROCESSING | FOS | FAIR_PCA | 0.705000 | 0.787004 | 8.000000e-02 | -0.040000 | 0.021429 | 1.031579 |
| LinearDiscriminantAnalysis | PREPROCESSING | FOS | FAIR_PCA | 0.705000 | 0.787004 | 7.500000e-03 | -0.110000 | -0.050000 | 0.928571 |
| LinearSVC | PREPROCESSING | FOS | FAIR_PCA | 0.705000 | 0.787004 | 7.500000e-03 | -0.110000 | -0.050000 | 0.928571 |
| LinearDiscriminantAnalysis | PREPROCESSING | FOS | HYPERPARAMETER_FAIR_PCA | 0.705000 | 0.787004 | 7.500000e-03 | -0.110000 | -0.050000 | 0.928571 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_FOS | 0.705000 | 0.787004 | 7.500000e-03 | -0.110000 | -0.050000 | 0.928571 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FOS | 0.705000 | 0.787004 | 7.500000e-03 | -0.110000 | -0.050000 | 0.928571 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FOS | 0.705000 | 0.787004 | 7.500000e-03 | -0.110000 | -0.050000 | 0.928571 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_BAL_GAN_FAIR | 0.705000 | 0.785455 | 5.000000e-03 | -0.065000 | -0.035714 | 0.947917 |
| ExtraTreesClassifier | PREPROCESSING | DEMV | FAIR_PCA | 0.705000 | 0.785455 | 2.500000e-02 | -0.100000 | -0.035714 | 0.947917 |
| LogisticRegressionCV | PREPROCESSING | FOS | FAIR_PCA | 0.705000 | 0.785455 | 2.500000e-02 | -0.100000 | -0.035714 | 0.947917 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FOS | 0.705000 | 0.785455 | 2.500000e-02 | -0.100000 | -0.035714 | 0.947917 |
| MLPClassifier | BASE_LINE | ROS | ROS | 0.705000 | 0.783883 | -3.500000e-02 | -0.020000 | -0.045238 | 0.933333 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_ROS | 0.705000 | 0.783883 | -8.750000e-02 | -0.125000 | -0.116667 | 0.833333 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | ROS | 0.705000 | 0.782288 | 2.000000e-02 | -0.010000 | -0.007143 | 0.989130 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | DEMV | 0.705000 | 0.780669 | 2.000000e-02 | -0.035000 | -0.016667 | 0.974359 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FOS | 0.705000 | 0.779026 | 4.000000e-02 | -0.095000 | -0.026190 | 0.959259 |
| LinearSVC | PREPROCESSING | DEMV | DEMV | 0.705000 | 0.777358 | 3.750000e-02 | -0.050000 | -0.011905 | 0.981061 |
| LinearSVC | PREPROCESSING | BAL_GAN_FAIR | BAL_GAN_FAIR | 0.705000 | 0.777358 | 3.750000e-02 | -0.050000 | -0.011905 | 0.981061 |
| LogisticRegressionCV | PREPROCESSING | BAL_GAN_FAIR | HYPERPARAMETER | 0.705000 | 0.777358 | 3.750000e-02 | -0.050000 | -0.011905 | 0.981061 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_BAL_GAN_FAIR | 0.705000 | 0.777358 | 3.750000e-02 | -0.050000 | -0.011905 | 0.981061 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_BAL_GAN_FAIR | 0.705000 | 0.777358 | 3.750000e-02 | -0.050000 | -0.011905 | 0.981061 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_DEMV | 0.705000 | 0.777358 | 3.750000e-02 | -0.050000 | -0.011905 | 0.981061 |
| MLPClassifier | PREPROCESSING | DEMV | FAIR_PCA | 0.705000 | 0.777358 | -1.750000e-02 | -0.085000 | -0.059524 | 0.907407 |
| LogisticRegressionCV | PREPROCESSING | DEMV | DEMV | 0.705000 | 0.775665 | 5.500000e-02 | -0.040000 | 0.002381 | 1.003876 |
| LogisticRegressionCV | PREPROCESSING | BAL_GAN_FAIR | BAL_GAN_FAIR | 0.705000 | 0.775665 | 5.500000e-02 | -0.040000 | 0.002381 | 1.003876 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_BAL_GAN_FAIR | 0.705000 | 0.775665 | 5.500000e-02 | -0.040000 | 0.002381 | 1.003876 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_DEMV | 0.705000 | 0.775665 | 5.500000e-02 | -0.040000 | 0.002381 | 1.003876 |
| LinearDiscriminantAnalysis | PREPROCESSING | DEMV | DEMV | 0.705000 | 0.775665 | 2.775558e-17 | -0.075000 | -0.045238 | 0.928030 |
| LinearDiscriminantAnalysis | PREPROCESSING | DEMV | HYPERPARAMETER | 0.705000 | 0.775665 | 2.775558e-17 | -0.075000 | -0.045238 | 0.928030 |
| LinearDiscriminantAnalysis | PREPROCESSING | BAL_GAN_FAIR | BAL_GAN_FAIR | 0.705000 | 0.775665 | 2.775558e-17 | -0.075000 | -0.045238 | 0.928030 |
| LinearDiscriminantAnalysis | PREPROCESSING | BAL_GAN_FAIR | HYPERPARAMETER | 0.705000 | 0.775665 | 2.775558e-17 | -0.075000 | -0.045238 | 0.928030 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_BAL_GAN_FAIR | 0.705000 | 0.775665 | 2.775558e-17 | -0.075000 | -0.045238 | 0.928030 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_BAL_GAN_FAIR | 0.705000 | 0.775665 | 2.775558e-17 | -0.075000 | -0.045238 | 0.928030 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_DEMV | 0.705000 | 0.775665 | 2.775558e-17 | -0.075000 | -0.045238 | 0.928030 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_DEMV | 0.705000 | 0.775665 | 2.775558e-17 | -0.075000 | -0.045238 | 0.928030 |
| RidgeClassifierCV | BASE_LINE | PCA | PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LinearDiscriminantAnalysis | BASE_LINE | PCA | PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| MLPClassifier | BASE_LINE | PCA | PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LinearSVC | BASE_LINE | PCA | PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LogisticRegressionCV | BASE_LINE | PCA | PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LinearDiscriminantAnalysis | BASE_LINE | PCA | HYPERPARAMETER | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LogisticRegressionCV | BASE_LINE | PCA | HYPERPARAMETER | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| RidgeClassifierCV | PREPROCESSING | FAIR_GAN | FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_GAN | FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| MLPClassifier | PREPROCESSING | FAIR_GAN | FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LinearSVC | PREPROCESSING | FAIR_GAN | FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LogisticRegressionCV | PREPROCESSING | FAIR_GAN | FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_GAN | HYPERPARAMETER | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LogisticRegressionCV | PREPROCESSING | FAIR_GAN | HYPERPARAMETER | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| MLPClassifier | PREPROCESSING | FAIR_GAN | HYPERPARAMETER | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| RidgeClassifierCV | PREPROCESSING | FAIR_GAN | FAIR_PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_GAN | FAIR_PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| MLPClassifier | PREPROCESSING | FAIR_GAN | FAIR_PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LinearSVC | PREPROCESSING | FAIR_GAN | FAIR_PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LogisticRegressionCV | PREPROCESSING | FAIR_GAN | FAIR_PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_GAN | HYPERPARAMETER_FAIR_PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LogisticRegressionCV | PREPROCESSING | FAIR_GAN | HYPERPARAMETER_FAIR_PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| MLPClassifier | PREPROCESSING | FAIR_GAN | HYPERPARAMETER_FAIR_PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FAIR_GAN_FAIR_PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FAIR_PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | FairODTrainer | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | SMOTE | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | SMOTE_FAIR_PCA | SMOTE | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | ROS | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | ROS_FAIR_PCA | ROS | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | RUS | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | RUS_FAIR_PCA | RUS | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | FOS | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FOS_FAIR_PCA | FOS | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | FAIR_SMOTE | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_SMOTE_FAIR_PCA | FAIR_SMOTE | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | BAL_GAN_FAIR | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | BAL_GAN_FAIR_FAIR_PCA | BAL_GAN_FAIR | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FairODTrainer | DEMV | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | DEMV_FAIR_PCA | DEMV | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| MLPClassifier | IN_PROCESSING | FAIR_PCA | HYPERPARAMETER | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FAIR_GAN_FAIR_PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FAIR_PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FAIR_GAN_FAIR_PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FAIR_PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FAIR_GAN_FAIR_PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FAIR_PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FAIR_GAN | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FAIR_GAN_FAIR_PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FAIR_PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FAIR_SMOTE_FAIR_PCA | 0.700000 | 0.823529 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LogisticRegressionCV | BASE_LINE | HYPERPARAMETER | HYPERPARAMETER | 0.700000 | 0.793103 | -2.000000e-02 | -0.065000 | -0.047619 | 0.937695 |
| LogisticRegressionCV | POSTPROCESSING | FairnessAwareMetaEstimator | LogisticRegressionCV | 0.700000 | 0.793103 | -2.000000e-02 | -0.065000 | -0.047619 | 0.937695 |
| LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | FairnessAwareMetaEstimator | FAIR_GAN_HYPERPARAMETER | 0.700000 | 0.793103 | -2.000000e-02 | -0.065000 | -0.047619 | 0.937695 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | FairnessAwareMetaEstimator | RUS_HYPERPARAMETER | 0.700000 | 0.793103 | -2.000000e-02 | -0.065000 | -0.047619 | 0.937695 |
| MLPClassifier | POSTPROCESSING | FairnessAwareMetaEstimator | MLPClassifier | 0.700000 | 0.791667 | -5.750000e-02 | -0.090000 | -0.080952 | 0.894081 |
| RidgeClassifierCV | BASE_LINE | NONE | BASE_LINE_VALUES | 0.700000 | 0.791667 | -7.500000e-02 | -0.125000 | -0.104762 | 0.864198 |
| LinearDiscriminantAnalysis | BASE_LINE | SMOTE | SMOTE | 0.700000 | 0.791667 | -7.500000e-02 | -0.125000 | -0.104762 | 0.864198 |
| LinearDiscriminantAnalysis | BASE_LINE | SMOTE | HYPERPARAMETER | 0.700000 | 0.791667 | -7.500000e-02 | -0.125000 | -0.104762 | 0.864198 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_SMOTE | 0.700000 | 0.791667 | -7.500000e-02 | -0.125000 | -0.104762 | 0.864198 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_SMOTE | 0.700000 | 0.791667 | -7.500000e-02 | -0.125000 | -0.104762 | 0.864198 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA | 0.700000 | 0.791667 | -5.500000e-02 | -0.160000 | -0.104762 | 0.864198 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA | 0.700000 | 0.791667 | -5.500000e-02 | -0.160000 | -0.104762 | 0.864198 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER | 0.700000 | 0.790210 | -5.750000e-02 | -0.115000 | -0.090476 | 0.880503 |
| RidgeClassifierCV | BASE_LINE | SMOTE | SMOTE | 0.700000 | 0.790210 | -7.500000e-02 | -0.150000 | -0.114286 | 0.850467 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_SMOTE | 0.700000 | 0.790210 | -7.500000e-02 | -0.150000 | -0.114286 | 0.850467 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_SMOTE | 0.700000 | 0.790210 | -7.250000e-02 | -0.220000 | -0.138095 | 0.820988 |
| RidgeClassifierCV | BASE_LINE | FAIR_PCA | SMOTE | 0.700000 | 0.790210 | -1.100000e-01 | -0.220000 | -0.161905 | 0.792049 |
| LinearDiscriminantAnalysis | BASE_LINE | FAIR_PCA | SMOTE | 0.700000 | 0.790210 | -1.100000e-01 | -0.220000 | -0.161905 | 0.792049 |
| LinearDiscriminantAnalysis | BASE_LINE | FAIR_PCA | HYPERPARAMETER_SMOTE | 0.700000 | 0.790210 | -1.100000e-01 | -0.220000 | -0.161905 | 0.792049 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_SMOTE | 0.700000 | 0.790210 | -1.100000e-01 | -0.220000 | -0.161905 | 0.792049 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_SMOTE | 0.700000 | 0.790210 | -1.100000e-01 | -0.220000 | -0.161905 | 0.792049 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_SMOTE | 0.700000 | 0.790210 | -1.100000e-01 | -0.220000 | -0.161905 | 0.792049 |
| LogisticRegressionCV | BASE_LINE | FAIR_PCA | SMOTE | 0.700000 | 0.790210 | -9.000000e-02 | -0.255000 | -0.161905 | 0.792049 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FOS_FAIR_PCA | 0.700000 | 0.788732 | 3.000000e-02 | 0.035000 | 0.019048 | 1.026667 |
| LinearSVC | BASE_LINE | NONE | BASE_LINE_VALUES | 0.700000 | 0.788732 | -5.750000e-02 | -0.140000 | -0.100000 | 0.866667 |
| LogisticRegressionCV | BASE_LINE | SMOTE | SMOTE | 0.700000 | 0.788732 | -5.750000e-02 | -0.140000 | -0.100000 | 0.866667 |
| LogisticRegressionCV | BASE_LINE | SMOTE | HYPERPARAMETER | 0.700000 | 0.788732 | -5.750000e-02 | -0.140000 | -0.100000 | 0.866667 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS | 0.700000 | 0.788732 | -5.750000e-02 | -0.140000 | -0.100000 | 0.866667 |
| LinearSVC | BASE_LINE | SMOTE | SMOTE | 0.700000 | 0.787234 | -5.750000e-02 | -0.165000 | -0.109524 | 0.852564 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_SMOTE | 0.700000 | 0.787234 | -5.750000e-02 | -0.165000 | -0.109524 | 0.852564 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FOS_FAIR_PCA | 0.700000 | 0.785714 | 1.425000e-01 | -0.015000 | 0.071429 | 1.105263 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | UNAWARENESS | 0.700000 | 0.785714 | 2.750000e-02 | 0.055000 | 0.023810 | 1.034364 |
| MLPClassifier | PREPROCESSING | FOS | FOS | 0.700000 | 0.784173 | 3.000000e-02 | -0.040000 | -0.009524 | 0.986254 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | ROS_FAIR_PCA | 0.700000 | 0.784173 | -1.000000e-01 | -0.075000 | -0.104762 | 0.854785 |
| LinearSVC | PREPROCESSING | FOS | FOS | 0.700000 | 0.781022 | 1.250000e-02 | -0.125000 | -0.052381 | 0.923611 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FOS | 0.700000 | 0.781022 | 1.250000e-02 | -0.125000 | -0.052381 | 0.923611 |
| LinearDiscriminantAnalysis | PREPROCESSING | DEMV | FAIR_PCA | 0.700000 | 0.772727 | -7.000000e-02 | -0.040000 | -0.076190 | 0.881481 |
| LogisticRegressionCV | PREPROCESSING | DEMV | FAIR_PCA | 0.700000 | 0.772727 | -7.000000e-02 | -0.040000 | -0.076190 | 0.881481 |
| LinearDiscriminantAnalysis | PREPROCESSING | DEMV | HYPERPARAMETER_FAIR_PCA | 0.700000 | 0.772727 | -7.000000e-02 | -0.040000 | -0.076190 | 0.881481 |
| LinearDiscriminantAnalysis | PREPROCESSING | BAL_GAN_FAIR | FAIR_PCA | 0.700000 | 0.772727 | -7.000000e-02 | -0.040000 | -0.076190 | 0.881481 |
| LogisticRegressionCV | PREPROCESSING | BAL_GAN_FAIR | FAIR_PCA | 0.700000 | 0.772727 | -7.000000e-02 | -0.040000 | -0.076190 | 0.881481 |
| LinearDiscriminantAnalysis | PREPROCESSING | BAL_GAN_FAIR | HYPERPARAMETER_FAIR_PCA | 0.700000 | 0.772727 | -7.000000e-02 | -0.040000 | -0.076190 | 0.881481 |
| LogisticRegressionCV | PREPROCESSING | BAL_GAN_FAIR | HYPERPARAMETER_FAIR_PCA | 0.700000 | 0.772727 | -7.000000e-02 | -0.040000 | -0.076190 | 0.881481 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_BAL_GAN_FAIR | 0.700000 | 0.772727 | -7.000000e-02 | -0.040000 | -0.076190 | 0.881481 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_BAL_GAN_FAIR | 0.700000 | 0.772727 | -7.000000e-02 | -0.040000 | -0.076190 | 0.881481 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_DEMV | 0.700000 | 0.772727 | -7.000000e-02 | -0.040000 | -0.076190 | 0.881481 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_DEMV | 0.700000 | 0.772727 | -7.000000e-02 | -0.040000 | -0.076190 | 0.881481 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | ExtraTreesClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI | ExtraTreesClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI | 0.700000 | 0.437500 | -4.900794e-01 | -0.944444 | -0.167421 | 0.186813 |
| MLPClassifier_FAIR_PCA_HYPERPARAMETER | POSTPROCESSING | ThresholdOptimizer | FAIR_PCA_HYPERPARAMETER | 0.695000 | 0.794613 | 8.250000e-02 | -0.060000 | 0.021429 | 1.027523 |
| MLPClassifier_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | FairnessAwareMetaEstimator | FAIR_GAN_HYPERPARAMETER | 0.695000 | 0.790378 | -3.250000e-02 | -0.065000 | -0.054762 | 0.929012 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | FairnessAwareMetaEstimator | ROS_HYPERPARAMETER | 0.695000 | 0.790378 | -3.250000e-02 | -0.065000 | -0.054762 | 0.929012 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | FairnessAwareMetaEstimator | RUS_HYPERPARAMETER | 0.695000 | 0.790378 | -3.250000e-02 | -0.065000 | -0.054762 | 0.929012 |
| LinearDiscriminantAnalysis | BASE_LINE | FAIR_PCA | FAIR_PCA | 0.695000 | 0.788927 | -1.050000e-01 | -0.160000 | -0.135714 | 0.827273 |
| LinearSVC | BASE_LINE | FAIR_PCA | FAIR_PCA | 0.695000 | 0.788927 | -1.050000e-01 | -0.160000 | -0.135714 | 0.827273 |
| LinearDiscriminantAnalysis | BASE_LINE | FAIR_PCA | HYPERPARAMETER | 0.695000 | 0.788927 | -1.050000e-01 | -0.160000 | -0.135714 | 0.827273 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA | 0.695000 | 0.788927 | -1.050000e-01 | -0.160000 | -0.135714 | 0.827273 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA | 0.695000 | 0.788927 | -1.050000e-01 | -0.160000 | -0.135714 | 0.827273 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA | 0.695000 | 0.788927 | -1.050000e-01 | -0.160000 | -0.135714 | 0.827273 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS | 0.695000 | 0.787456 | -7.000000e-02 | -0.115000 | -0.097619 | 0.872274 |
| LogisticRegressionCV | BASE_LINE | FAIR_PCA | FAIR_PCA | 0.695000 | 0.787456 | -5.000000e-02 | -0.150000 | -0.097619 | 0.872274 |
| LogisticRegressionCV | BASE_LINE | FAIR_PCA | HYPERPARAMETER | 0.695000 | 0.787456 | -5.000000e-02 | -0.150000 | -0.097619 | 0.872274 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | FairnessAwareMetaEstimator | NONE_BASE_LINE_VALUES | 0.695000 | 0.785965 | 7.500000e-02 | 0.000000 | 0.035714 | 1.050000 |
| LogisticRegressionCV | BASE_LINE | FAIR_PCA | HYPERPARAMETER_SMOTE | 0.695000 | 0.784452 | -1.050000e-01 | -0.235000 | -0.164286 | 0.785047 |
| MLPClassifier | BASE_LINE | FAIR_PCA | SMOTE | 0.695000 | 0.784452 | -8.500000e-02 | -0.270000 | -0.164286 | 0.785047 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | UNAWARENESS | 0.695000 | 0.782918 | -2.500000e-03 | 0.020000 | -0.007143 | 0.989899 |
| MLPClassifier | BASE_LINE | FAIR_PCA | HYPERPARAMETER_SMOTE | 0.695000 | 0.782918 | -5.000000e-02 | -0.225000 | -0.126190 | 0.830128 |
| RidgeClassifierCV | PREPROCESSING | FOS | FAIR_PCA | 0.695000 | 0.781362 | -1.750000e-02 | -0.110000 | -0.064286 | 0.910000 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FOS | 0.695000 | 0.781362 | -1.750000e-02 | -0.110000 | -0.064286 | 0.910000 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | DEMV | 0.695000 | 0.779783 | 1.450000e-01 | 0.040000 | 0.092857 | 1.141304 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_DEMV | 0.695000 | 0.778182 | 1.075000e-01 | 0.015000 | 0.059524 | 1.090580 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FOS | 0.695000 | 0.776557 | -4.000000e-02 | -0.080000 | -0.069048 | 0.899306 |
| LinearSVC | PREPROCESSING | DEMV | FAIR_PCA | 0.695000 | 0.769811 | -8.250000e-02 | -0.040000 | -0.083333 | 0.871795 |
| LogisticRegressionCV | PREPROCESSING | DEMV | HYPERPARAMETER_FAIR_PCA | 0.695000 | 0.769811 | -8.250000e-02 | -0.040000 | -0.083333 | 0.871795 |
| LinearSVC | PREPROCESSING | BAL_GAN_FAIR | FAIR_PCA | 0.695000 | 0.769811 | -8.250000e-02 | -0.040000 | -0.083333 | 0.871795 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_BAL_GAN_FAIR | 0.695000 | 0.769811 | -8.250000e-02 | -0.040000 | -0.083333 | 0.871795 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_BAL_GAN_FAIR | 0.695000 | 0.769811 | -8.250000e-02 | -0.040000 | -0.083333 | 0.871795 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_BAL_GAN_FAIR | 0.695000 | 0.769811 | -8.250000e-02 | -0.040000 | -0.083333 | 0.871795 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_DEMV | 0.695000 | 0.769811 | -8.250000e-02 | -0.040000 | -0.083333 | 0.871795 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_DEMV | 0.695000 | 0.769811 | -8.250000e-02 | -0.040000 | -0.083333 | 0.871795 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_DEMV | 0.695000 | 0.769811 | -8.250000e-02 | -0.040000 | -0.083333 | 0.871795 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_DEMV | 0.695000 | 0.768061 | 8.500000e-02 | -0.030000 | 0.026190 | 1.043137 |
| LogisticRegressionCV | PREPROCESSING | DEMV | HYPERPARAMETER | 0.695000 | 0.768061 | 4.750000e-02 | -0.030000 | 0.002381 | 1.003876 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_BAL_GAN_FAIR | 0.695000 | 0.768061 | -6.500000e-02 | -0.030000 | -0.069048 | 0.891386 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_DEMV | 0.695000 | 0.768061 | -6.500000e-02 | -0.030000 | -0.069048 | 0.891386 |
| RidgeClassifierCV | PREPROCESSING | DEMV | DEMV | 0.695000 | 0.766284 | 1.000000e-02 | -0.055000 | -0.030952 | 0.949612 |
| RidgeClassifierCV | PREPROCESSING | BAL_GAN_FAIR | BAL_GAN_FAIR | 0.695000 | 0.766284 | 1.000000e-02 | -0.055000 | -0.030952 | 0.949612 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_BAL_GAN_FAIR | 0.695000 | 0.766284 | 1.000000e-02 | -0.055000 | -0.030952 | 0.949612 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_DEMV | 0.695000 | 0.766284 | 1.000000e-02 | -0.055000 | -0.030952 | 0.949612 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_ROS | 0.695000 | 0.764479 | 1.000000e-02 | -0.080000 | -0.040476 | 0.933333 |
| LinearSVC | BASE_LINE | ROS | ROS | 0.695000 | 0.762646 | 4.750000e-02 | -0.105000 | -0.026190 | 0.955823 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_ROS | 0.695000 | 0.762646 | 4.750000e-02 | -0.105000 | -0.026190 | 0.955823 |
| LogisticRegressionCV | BASE_LINE | RUS | HYPERPARAMETER | 0.695000 | 0.753036 | 5.000000e-03 | -0.090000 | -0.050000 | 0.909091 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_RUS | 0.695000 | 0.753036 | 5.000000e-03 | -0.090000 | -0.050000 | 0.909091 |
| LinearDiscriminantAnalysis_RUS_HYPERPARAMETER | POSTPROCESSING | LinearDiscriminantAnalysis_RUS_HYPERPARAMETER_CERTI_FAI | LinearDiscriminantAnalysis_RUS_HYPERPARAMETER_CERTI_FAI | 0.693182 | 0.737864 | -9.680451e-02 | -0.452381 | -0.219794 | 0.627572 |
| MLPClassifier | BASE_LINE | PCA | HYPERPARAMETER | 0.690000 | 0.816568 | -2.500000e-02 | -0.050000 | -0.033333 | 0.966667 |
| MLPClassifier_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | ThresholdOptimizer | FAIR_GAN_HYPERPARAMETER | 0.690000 | 0.789116 | 1.000000e-01 | 0.100000 | 0.090476 | 1.121795 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | ThresholdOptimizer | ROS_HYPERPARAMETER | 0.690000 | 0.789116 | 1.000000e-01 | 0.100000 | 0.090476 | 1.121795 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | ThresholdOptimizer | RUS_HYPERPARAMETER | 0.690000 | 0.789116 | 1.000000e-01 | 0.100000 | 0.090476 | 1.121795 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA | 0.690000 | 0.786207 | -4.250000e-02 | -0.160000 | -0.095238 | 0.877676 |
| MLPClassifier | BASE_LINE | HYPERPARAMETER | HYPERPARAMETER | 0.690000 | 0.783217 | -3.000000e-02 | -0.035000 | -0.042857 | 0.942308 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_SMOTE | 0.690000 | 0.783217 | -1.000000e-02 | -0.070000 | -0.042857 | 0.942308 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_SMOTE | 0.690000 | 0.780142 | -1.000000e-01 | -0.225000 | -0.157143 | 0.792453 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | BAL_GAN_FAIR | 0.690000 | 0.778571 | -1.500000e-02 | -0.005000 | -0.023810 | 0.966330 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_DEMV | 0.690000 | 0.778571 | -3.000000e-02 | -0.110000 | -0.071429 | 0.900990 |
| LinearDiscriminantAnalysis | PREPROCESSING | FOS | FOS | 0.690000 | 0.773723 | 5.000000e-03 | -0.115000 | -0.052381 | 0.923611 |
| LogisticRegressionCV | PREPROCESSING | FOS | FOS | 0.690000 | 0.773723 | 5.000000e-03 | -0.115000 | -0.052381 | 0.923611 |
| LinearDiscriminantAnalysis | PREPROCESSING | FOS | HYPERPARAMETER | 0.690000 | 0.773723 | 5.000000e-03 | -0.115000 | -0.052381 | 0.923611 |
| LogisticRegressionCV | PREPROCESSING | FOS | HYPERPARAMETER | 0.690000 | 0.773723 | 5.000000e-03 | -0.115000 | -0.052381 | 0.923611 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_FOS | 0.690000 | 0.773723 | 5.000000e-03 | -0.115000 | -0.052381 | 0.923611 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FOS | 0.690000 | 0.773723 | 5.000000e-03 | -0.115000 | -0.052381 | 0.923611 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FOS | 0.690000 | 0.773723 | 5.000000e-03 | -0.115000 | -0.052381 | 0.923611 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | SMOTE_FAIR_PCA | 0.690000 | 0.772059 | 1.325000e-01 | -0.035000 | 0.057143 | 1.088889 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | SMOTE_FAIR_PCA | 0.690000 | 0.772059 | 1.325000e-01 | -0.035000 | 0.057143 | 1.088889 |
| MLPClassifier | PREPROCESSING | DEMV | HYPERPARAMETER | 0.690000 | 0.772059 | 2.000000e-02 | -0.035000 | -0.014286 | 0.978495 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_DEMV | 0.690000 | 0.765152 | 9.000000e-02 | 0.005000 | 0.042857 | 1.070588 |
| RidgeClassifierCV | PREPROCESSING | DEMV | FAIR_PCA | 0.690000 | 0.765152 | -7.750000e-02 | -0.030000 | -0.076190 | 0.881481 |
| RidgeClassifierCV | PREPROCESSING | BAL_GAN_FAIR | FAIR_PCA | 0.690000 | 0.765152 | -7.750000e-02 | -0.030000 | -0.076190 | 0.881481 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_BAL_GAN_FAIR | 0.690000 | 0.763359 | 7.250000e-02 | -0.055000 | 0.009524 | 1.015686 |
| LinearDiscriminantAnalysis | BASE_LINE | FAIR_PCA | ROS | 0.690000 | 0.759690 | 3.250000e-02 | -0.035000 | -0.009524 | 0.983936 |
| LinearDiscriminantAnalysis | BASE_LINE | FAIR_PCA | HYPERPARAMETER_ROS | 0.690000 | 0.759690 | 3.250000e-02 | -0.035000 | -0.009524 | 0.983936 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_ROS | 0.690000 | 0.759690 | 3.250000e-02 | -0.035000 | -0.009524 | 0.983936 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_ROS | 0.690000 | 0.759690 | 3.250000e-02 | -0.035000 | -0.009524 | 0.983936 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_ROS | 0.690000 | 0.755906 | 7.000000e-02 | -0.085000 | -0.004762 | 0.991667 |
| RidgeClassifierCV | BASE_LINE | FAIR_PCA | ROS | 0.690000 | 0.755906 | 1.250000e-02 | -0.050000 | -0.028571 | 0.950617 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_ROS | 0.690000 | 0.755906 | 1.250000e-02 | -0.050000 | -0.028571 | 0.950617 |
| LinearDiscriminantAnalysis_ROS_HYPERPARAMETER | POSTPROCESSING | LinearDiscriminantAnalysis_ROS_HYPERPARAMETER_CERTI_FAI | LinearDiscriminantAnalysis_ROS_HYPERPARAMETER_CERTI_FAI | 0.689655 | 0.696629 | -2.508560e-01 | -0.509404 | -0.246023 | 0.533405 |
| MLPClassifier_FAIR_PCA_HYPERPARAMETER | POSTPROCESSING | FairnessAwareMetaEstimator | FAIR_PCA_HYPERPARAMETER | 0.685000 | 0.784983 | -7.250000e-02 | -0.170000 | -0.116667 | 0.854167 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | ROS | 0.685000 | 0.775801 | 3.000000e-02 | -0.040000 | -0.007143 | 0.989899 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | ROS | 0.685000 | 0.775801 | 3.000000e-02 | -0.040000 | -0.007143 | 0.989899 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | SMOTE | 0.685000 | 0.775801 | -4.500000e-02 | -0.040000 | -0.054762 | 0.924092 |
| MLPClassifier | BASE_LINE | NONE | BASE_LINE_VALUES | 0.685000 | 0.775801 | -4.250000e-02 | -0.110000 | -0.078571 | 0.892157 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FOS_FAIR_PCA | 0.685000 | 0.772563 | 2.300000e-01 | 0.085000 | 0.164286 | 1.258427 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FOS_FAIR_PCA | 0.685000 | 0.772563 | 2.300000e-01 | 0.085000 | 0.164286 | 1.258427 |
| MLPClassifier | PREPROCESSING | DEMV | DEMV | 0.685000 | 0.770909 | 1.000000e-02 | -0.080000 | -0.035714 | 0.947917 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | DEMV_FAIR_PCA | 0.685000 | 0.769231 | 1.000000e-02 | -0.105000 | -0.045238 | 0.933333 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | DEMV_FAIR_PCA | 0.685000 | 0.769231 | 1.000000e-02 | -0.105000 | -0.045238 | 0.933333 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FOS | 0.685000 | 0.769231 | -7.500000e-03 | -0.140000 | -0.069048 | 0.899306 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | DEMV | 0.685000 | 0.764045 | -7.000000e-02 | -0.040000 | -0.073810 | 0.887681 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | ROS_FAIR_PCA | 0.685000 | 0.760456 | 1.125000e-01 | 0.050000 | 0.073810 | 1.124498 |
| MLPClassifier | BASE_LINE | FAIR_PCA | HYPERPARAMETER_ROS | 0.685000 | 0.756757 | 4.000000e-02 | -0.070000 | -0.016667 | 0.972222 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | BAL_GAN_FAIR | 0.685000 | 0.752941 | 1.750000e-02 | -0.015000 | -0.011905 | 0.979424 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | BAL_GAN_FAIR | 0.685000 | 0.752941 | 1.750000e-02 | -0.015000 | -0.011905 | 0.979424 |
| LogisticRegressionCV | BASE_LINE | ROS | HYPERPARAMETER | 0.685000 | 0.750988 | 7.500000e-02 | -0.075000 | 0.002381 | 1.004219 |
| LogisticRegressionCV | BASE_LINE | ROS | ROS | 0.685000 | 0.750988 | 5.750000e-02 | -0.110000 | -0.021429 | 0.962500 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_ROS | 0.685000 | 0.750988 | 5.750000e-02 | -0.110000 | -0.021429 | 0.962500 |
| RidgeClassifierCV | BASE_LINE | ROS | ROS | 0.685000 | 0.749004 | 1.750000e-02 | -0.065000 | -0.030952 | 0.945148 |
| LinearDiscriminantAnalysis | BASE_LINE | ROS | ROS | 0.685000 | 0.749004 | 0.000000e+00 | -0.100000 | -0.054762 | 0.904167 |
| LinearDiscriminantAnalysis | BASE_LINE | ROS | HYPERPARAMETER | 0.685000 | 0.749004 | 0.000000e+00 | -0.100000 | -0.054762 | 0.904167 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_ROS | 0.685000 | 0.749004 | 0.000000e+00 | -0.100000 | -0.054762 | 0.904167 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_ROS | 0.685000 | 0.749004 | 0.000000e+00 | -0.100000 | -0.054762 | 0.904167 |
| LinearSVC | BASE_LINE | FAIR_PCA | RUS | 0.685000 | 0.746988 | -5.500000e-02 | -0.160000 | -0.111905 | 0.806584 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_RUS | 0.685000 | 0.746988 | -5.500000e-02 | -0.160000 | -0.111905 | 0.806584 |
| MLPClassifier | POSTPROCESSING | ThresholdOptimizer | MLPClassifier | 0.680000 | 0.777778 | 1.300000e-01 | 0.035000 | 0.085714 | 1.120000 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS | 0.680000 | 0.776224 | 3.750000e-02 | -0.025000 | 0.004762 | 1.006536 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | UNAWARENESS | 0.680000 | 0.769784 | 1.750000e-02 | -0.090000 | -0.033333 | 0.952381 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | UNAWARENESS | 0.680000 | 0.769784 | 1.750000e-02 | -0.090000 | -0.033333 | 0.952381 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FOS | 0.680000 | 0.769784 | 3.750000e-02 | -0.125000 | -0.033333 | 0.952381 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_SMOTE | 0.680000 | 0.766423 | -1.750000e-02 | -0.210000 | -0.100000 | 0.857143 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | BAL_GAN_FAIR_FAIR_PCA | 0.680000 | 0.764706 | -1.350000e-01 | -0.095000 | -0.133333 | 0.809524 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | SMOTE | 0.680000 | 0.762963 | 3.250000e-02 | -0.085000 | -0.023810 | 0.963768 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_ROS | 0.680000 | 0.755725 | 4.750000e-02 | -0.080000 | -0.014286 | 0.976744 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | RUS | 0.680000 | 0.750000 | 9.500000e-02 | 0.090000 | 0.076190 | 1.136752 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | RUS | 0.680000 | 0.750000 | 9.500000e-02 | 0.090000 | 0.076190 | 1.136752 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_ROS | 0.680000 | 0.744000 | 2.250000e-02 | -0.055000 | -0.023810 | 0.957265 |
| LogisticRegressionCV | BASE_LINE | FAIR_PCA | HYPERPARAMETER_RUS | 0.680000 | 0.744000 | -3.000000e-02 | -0.160000 | -0.095238 | 0.835391 |
| RidgeClassifierCV | BASE_LINE | RUS | RUS | 0.680000 | 0.741935 | 2.500000e-03 | -0.045000 | -0.033333 | 0.939394 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_RUS | 0.680000 | 0.741935 | 2.500000e-03 | -0.045000 | -0.033333 | 0.939394 |
| LogisticRegressionCV | BASE_LINE | RUS | RUS | 0.680000 | 0.739837 | 2.500000e-03 | -0.070000 | -0.042857 | 0.921053 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_RUS | 0.680000 | 0.739837 | 2.500000e-03 | -0.070000 | -0.042857 | 0.921053 |
| LinearDiscriminantAnalysis | BASE_LINE | FAIR_PCA | RUS | 0.680000 | 0.739837 | -7.000000e-02 | -0.140000 | -0.114286 | 0.797468 |
| LinearDiscriminantAnalysis | BASE_LINE | FAIR_PCA | HYPERPARAMETER_RUS | 0.680000 | 0.739837 | -7.000000e-02 | -0.140000 | -0.114286 | 0.797468 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_RUS | 0.680000 | 0.739837 | -7.000000e-02 | -0.140000 | -0.114286 | 0.797468 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_RUS | 0.680000 | 0.739837 | -7.000000e-02 | -0.140000 | -0.114286 | 0.797468 |
| RidgeClassifierCV | BASE_LINE | FAIR_PCA | RUS | 0.680000 | 0.739837 | -8.750000e-02 | -0.175000 | -0.138095 | 0.758333 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_RUS | 0.680000 | 0.739837 | -8.750000e-02 | -0.175000 | -0.138095 | 0.758333 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | LogisticRegressionCV_RUS_HYPERPARAMETER_CERTI_FAI | LogisticRegressionCV_RUS_HYPERPARAMETER_CERTI_FAI | 0.679012 | 0.593750 | -2.361494e-01 | -0.653333 | -0.222222 | 0.400000 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | SMOTE_FAIR_PCA | 0.675000 | 0.770318 | -3.250000e-02 | -0.040000 | -0.045238 | 0.937908 |
| MLPClassifier | BASE_LINE | FAIR_PCA | HYPERPARAMETER | 0.675000 | 0.767025 | -5.000000e-02 | -0.125000 | -0.088095 | 0.877888 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_BAL_GAN_FAIR | 0.675000 | 0.760148 | -5.250000e-02 | -0.155000 | -0.102381 | 0.850694 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | BAL_GAN_FAIR | 0.675000 | 0.754717 | 7.000000e-02 | 0.015000 | 0.035714 | 1.058140 |
| LinearSVC | BASE_LINE | FAIR_PCA | ROS | 0.675000 | 0.749035 | 3.250000e-02 | -0.060000 | -0.016667 | 0.972222 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_ROS | 0.675000 | 0.749035 | 3.250000e-02 | -0.060000 | -0.016667 | 0.972222 |
| LogisticRegressionCV | BASE_LINE | FAIR_PCA | RUS | 0.675000 | 0.741036 | -4.250000e-02 | -0.160000 | -0.102381 | 0.825203 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_RUS | 0.675000 | 0.741036 | -4.250000e-02 | -0.160000 | -0.102381 | 0.825203 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_RUS | 0.675000 | 0.741036 | -4.250000e-02 | -0.160000 | -0.102381 | 0.825203 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_RUS | 0.675000 | 0.738956 | -1.000000e-01 | -0.150000 | -0.135714 | 0.768293 |
| MLPClassifier | PREPROCESSING | FOS | HYPERPARAMETER_FAIR_PCA | 0.670000 | 0.765957 | 6.750000e-02 | -0.065000 | 0.009524 | 1.013468 |
| MLPClassifier | PREPROCESSING | FOS | HYPERPARAMETER | 0.670000 | 0.765957 | 1.000000e-02 | -0.030000 | -0.014286 | 0.980000 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | SMOTE_FAIR_PCA | 0.670000 | 0.760870 | 3.000000e-02 | -0.140000 | -0.042857 | 0.938144 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_SMOTE | 0.670000 | 0.757353 | -4.250000e-02 | -0.260000 | -0.133333 | 0.809524 |
| MLPClassifier | PREPROCESSING | BAL_GAN_FAIR | FAIR_PCA | 0.670000 | 0.750000 | 4.000000e-02 | -0.045000 | -0.004762 | 0.992337 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | BAL_GAN_FAIR_FAIR_PCA | 0.670000 | 0.748092 | -3.500000e-02 | -0.070000 | -0.061905 | 0.901515 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | BAL_GAN_FAIR_FAIR_PCA | 0.670000 | 0.748092 | -3.500000e-02 | -0.070000 | -0.061905 | 0.901515 |
| LogisticRegressionCV | BASE_LINE | FAIR_PCA | ROS | 0.670000 | 0.746154 | 5.750000e-02 | -0.060000 | 0.000000 | 1.000000 |
| LogisticRegressionCV | BASE_LINE | FAIR_PCA | HYPERPARAMETER_ROS | 0.670000 | 0.746154 | 5.750000e-02 | -0.060000 | 0.000000 | 1.000000 |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_ROS | 0.670000 | 0.746154 | 5.750000e-02 | -0.060000 | 0.000000 | 1.000000 |
| ExtraTreesClassifier_SMOTE_SMOTE | POSTPROCESSING | ExtraTreesClassifier_SMOTE_SMOTE_CERTI_FAI | ExtraTreesClassifier_SMOTE_SMOTE_CERTI_FAI | 0.666667 | 0.000000 | NaN | NaN | 0.000000 | NaN |
| ExtraTreesClassifier | BASE_LINE | FAIR_PCA | SMOTE | 0.665000 | 0.766551 | -5.000000e-02 | -0.225000 | -0.121429 | 0.842593 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_SMOTE | 0.665000 | 0.761566 | -3.500000e-02 | -0.195000 | -0.102381 | 0.860841 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_FOS | 0.665000 | 0.756364 | -7.500000e-03 | 0.010000 | -0.011905 | 0.982456 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FOS | 0.665000 | 0.752768 | 1.000000e-02 | -0.005000 | -0.007143 | 0.989130 |
| MLPClassifier | BASE_LINE | ROS | HYPERPARAMETER | 0.665000 | 0.743295 | 2.750000e-02 | -0.095000 | -0.030952 | 0.949612 |
| MLPClassifier | PREPROCESSING | DEMV | HYPERPARAMETER_FAIR_PCA | 0.665000 | 0.743295 | -4.750000e-02 | -0.095000 | -0.078571 | 0.875000 |
| MLPClassifier | BASE_LINE | RUS | RUS | 0.665000 | 0.735178 | 7.500000e-02 | 0.050000 | 0.050000 | 1.090909 |
| LinearSVC | BASE_LINE | RUS | RUS | 0.665000 | 0.730924 | -1.750000e-02 | -0.035000 | -0.040476 | 0.927350 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_RUS | 0.665000 | 0.730924 | -1.750000e-02 | -0.035000 | -0.040476 | 0.927350 |
| LinearDiscriminantAnalysis | BASE_LINE | RUS | RUS | 0.665000 | 0.728745 | -1.750000e-02 | -0.060000 | -0.050000 | 0.909091 |
| LinearDiscriminantAnalysis | BASE_LINE | RUS | HYPERPARAMETER | 0.665000 | 0.728745 | -1.750000e-02 | -0.060000 | -0.050000 | 0.909091 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_RUS | 0.665000 | 0.728745 | -1.750000e-02 | -0.060000 | -0.050000 | 0.909091 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_RUS | 0.665000 | 0.728745 | -1.750000e-02 | -0.060000 | -0.050000 | 0.909091 |
| MLPClassifier | BASE_LINE | RUS | HYPERPARAMETER | 0.665000 | 0.726531 | 1.750000e-02 | -0.015000 | -0.011905 | 0.977477 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_RUS | 0.665000 | 0.724280 | -9.000000e-02 | -0.180000 | -0.140476 | 0.747863 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_DEMV | 0.660000 | 0.728000 | 2.500000e-02 | 0.000000 | 0.000000 | 1.000000 |
| MLPClassifier | BASE_LINE | FAIR_PCA | ROS | 0.660000 | 0.728000 | 2.750000e-02 | -0.070000 | -0.023810 | 0.957265 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | SMOTE | 0.655000 | 0.749091 | 8.000000e-02 | -0.015000 | 0.035714 | 1.053763 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | SMOTE | 0.655000 | 0.749091 | 8.000000e-02 | -0.015000 | 0.035714 | 1.053763 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_RUS | 0.655000 | 0.725100 | 5.250000e-02 | -0.070000 | -0.007143 | 0.987179 |
| MLPClassifier | BASE_LINE | FAIR_PCA | HYPERPARAMETER_RUS | 0.655000 | 0.722892 | -4.000000e-02 | -0.130000 | -0.088095 | 0.845833 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_RUS | 0.655000 | 0.722892 | -9.500000e-02 | -0.165000 | -0.135714 | 0.768293 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_RUS | 0.655000 | 0.713693 | -4.500000e-02 | -0.090000 | -0.078571 | 0.851351 |
| ExtraTreesClassifier_BASE_LINE_VALUES | POSTPROCESSING | ExtraTreesClassifier_BASE_LINE_VALUES_CERTI_FAI | ExtraTreesClassifier_BASE_LINE_VALUES_CERTI_FAI | 0.653061 | 0.370370 | NaN | -0.941176 | -0.097426 | 0.376471 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | ROS | 0.650000 | 0.736842 | 2.750000e-02 | -0.070000 | -0.019048 | 0.970037 |
| ExtraTreesClassifier | BASE_LINE | FAIR_PCA | RUS | 0.650000 | 0.713115 | -9.000000e-02 | -0.205000 | -0.147619 | 0.738397 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | RUS_FAIR_PCA | 0.650000 | 0.710744 | -5.750000e-02 | -0.090000 | -0.085714 | 0.840000 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FOS | 0.645000 | 0.741818 | 7.250000e-02 | -0.005000 | 0.035714 | 1.053763 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FOS | 0.645000 | 0.741818 | 7.250000e-02 | -0.005000 | 0.035714 | 1.053763 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | RUS_FAIR_PCA | 0.645000 | 0.712551 | -5.000000e-02 | -0.075000 | -0.073810 | 0.867521 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | RUS | 0.640000 | 0.712000 | 6.750000e-02 | -0.015000 | 0.023810 | 1.043860 |
| MLPClassifier | BASE_LINE | FAIR_PCA | RUS | 0.640000 | 0.700000 | -9.750000e-02 | -0.245000 | -0.166667 | 0.696970 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_ROS | 0.635000 | 0.720307 | 5.000000e-03 | -0.065000 | -0.030952 | 0.949612 |
| ExtraTreesClassifier | BASE_LINE | RUS | RUS | 0.620000 | 0.672414 | -1.150000e-01 | -0.255000 | -0.180952 | 0.648148 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | RUS | 0.615000 | 0.685714 | -2.500000e-03 | 0.070000 | 0.011905 | 1.022831 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | RUS_FAIR_PCA | 0.610000 | 0.688000 | 1.200000e-01 | 0.015000 | 0.071429 | 1.135135 |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_RUS | 0.605000 | 0.651982 | -1.025000e-01 | -0.180000 | -0.145238 | 0.696517 |
| MLPClassifier | BASE_LINE | PCA | HYPERPARAMETER_ROS | 0.595000 | 0.687259 | -2.600000e-01 | -0.295000 | -0.278571 | 0.589474 |
| LogisticRegressionCV | BASE_LINE | PCA | HYPERPARAMETER_ROS | 0.595000 | 0.672065 | -3.000000e-01 | -0.375000 | -0.335714 | 0.471910 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | ROS_FAIR_PCA | 0.590000 | 0.724832 | 1.725000e-01 | 0.320000 | 0.228571 | 1.316832 |
| RidgeClassifierCV | BASE_LINE | PCA | ROS | 0.590000 | 0.666667 | -2.950000e-01 | -0.365000 | -0.328571 | 0.477273 |
| LinearDiscriminantAnalysis | BASE_LINE | PCA | ROS | 0.590000 | 0.666667 | -2.950000e-01 | -0.365000 | -0.328571 | 0.477273 |
| LinearSVC | BASE_LINE | PCA | ROS | 0.590000 | 0.666667 | -2.950000e-01 | -0.365000 | -0.328571 | 0.477273 |
| LogisticRegressionCV | BASE_LINE | PCA | ROS | 0.590000 | 0.666667 | -2.950000e-01 | -0.365000 | -0.328571 | 0.477273 |
| LinearDiscriminantAnalysis | BASE_LINE | PCA | HYPERPARAMETER_ROS | 0.590000 | 0.666667 | -2.950000e-01 | -0.365000 | -0.328571 | 0.477273 |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | BAL_GAN_FAIR | 0.590000 | 0.627273 | 9.000000e-02 | 0.080000 | 0.071429 | 1.188679 |
| LinearDiscriminantAnalysis_BASE_HYPER | POSTPROCESSING | LinearDiscriminantAnalysis_BASE_HYPER_CERTI_FAI | LinearDiscriminantAnalysis_BASE_HYPER_CERTI_FAI | 0.587302 | 0.638889 | -5.660173e-01 | -0.833333 | -0.616633 | 0.251232 |
| ExtraTreesClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | ExtraTreesClassifier_NONE_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.587302 | 0.628571 | 0.000000e+00 | 0.000000 | -0.002869 | 0.995122 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | ROS | 0.585000 | 0.677043 | -2.750000e-02 | -0.205000 | -0.097619 | 0.841085 |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | RUS | 0.585000 | 0.649789 | -7.750000e-02 | -0.105000 | -0.097619 | 0.810185 |
| ExtraTreesClassifier | BASE_LINE | PCA | ROS | 0.580000 | 0.669291 | 1.250000e-02 | -0.150000 | -0.052381 | 0.910569 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | RUS_FAIR_PCA | 0.580000 | 0.641026 | 7.500000e-02 | -0.050000 | 0.019048 | 1.041026 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | RUS_FAIR_PCA | 0.580000 | 0.641026 | 7.500000e-02 | -0.050000 | 0.019048 | 1.041026 |
| ExtraTreesClassifier_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | ExtraTreesClassifier_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.579365 | 0.629371 | -1.059524e-01 | -0.161905 | -0.110473 | 0.829268 |
| ExtraTreesClassifier | BASE_LINE | PCA | PCA | 0.575000 | 0.684015 | -4.750000e-02 | -0.220000 | -0.111905 | 0.835088 |
| MLPClassifier | BASE_LINE | PCA | HYPERPARAMETER_SMOTE | 0.575000 | 0.681648 | -2.350000e-01 | -0.245000 | -0.240476 | 0.659933 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | MLPClassifier_ROS_HYPERPARAMETER_CERTI_FAI | MLPClassifier_ROS_HYPERPARAMETER_CERTI_FAI | 0.573770 | 0.315789 | -1.927760e-01 | -0.294643 | -0.154444 | 0.205714 |
| ExtraTreesClassifier_SMOTE_SMOTE | POSTPROCESSING | CounterfactualAnalyzer | ExtraTreesClassifier_SMOTE_SMOTE_CounterfactualAnalyzer | 0.571429 | 0.608696 | -4.761905e-02 | -0.095238 | -0.051650 | 0.912195 |
| RidgeClassifierCV | BASE_LINE | PCA | RUS | 0.570000 | 0.650407 | -2.175000e-01 | -0.310000 | -0.257143 | 0.576471 |
| LogisticRegressionCV | BASE_LINE | PCA | HYPERPARAMETER_RUS | 0.565000 | 0.641975 | -1.775000e-01 | -0.255000 | -0.211905 | 0.633745 |
| LinearDiscriminantAnalysis | BASE_LINE | PCA | RUS | 0.560000 | 0.648000 | -2.600000e-01 | -0.320000 | -0.285714 | 0.550562 |
| LinearDiscriminantAnalysis | BASE_LINE | PCA | HYPERPARAMETER_RUS | 0.560000 | 0.648000 | -2.600000e-01 | -0.320000 | -0.285714 | 0.550562 |
| LinearSVC_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | LinearSVC_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.555556 | 0.616438 | -1.059524e-01 | -0.161905 | -0.109613 | 0.836543 |
| MLPClassifier | BASE_LINE | PCA | RUS | 0.555000 | 0.642570 | -2.375000e-01 | -0.275000 | -0.254762 | 0.590038 |
| LinearSVC | BASE_LINE | PCA | RUS | 0.555000 | 0.642570 | -2.725000e-01 | -0.345000 | -0.302381 | 0.524345 |
| MLPClassifier | BASE_LINE | PCA | HYPERPARAMETER_RUS | 0.550000 | 0.634146 | -2.325000e-01 | -0.290000 | -0.257143 | 0.576471 |
| LogisticRegressionCV | BASE_LINE | PCA | RUS | 0.550000 | 0.625000 | -1.450000e-01 | -0.190000 | -0.166667 | 0.696970 |
| ExtraTreesClassifier | BASE_LINE | PCA | RUS | 0.545000 | 0.602620 | 4.250000e-02 | -0.165000 | -0.040476 | 0.911458 |
| MLPClassifier_BASE_HYPER | POSTPROCESSING | MLPClassifier_BASE_HYPER_CERTI_FAI | MLPClassifier_BASE_HYPER_CERTI_FAI | 0.543860 | 0.480000 | -1.806548e-01 | -0.461310 | -0.277916 | 0.216783 |
| RidgeClassifierCV_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | RidgeClassifierCV_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.539683 | 0.597222 | -8.373016e-02 | -0.117460 | -0.086083 | 0.866962 |
| LinearDiscriminantAnalysis_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | LinearDiscriminantAnalysis_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.531746 | 0.575540 | -9.523810e-02 | -0.190476 | -0.099570 | 0.837242 |
| LinearDiscriminantAnalysis_BASE_HYPER | POSTPROCESSING | CounterfactualAnalyzer | LinearDiscriminantAnalysis_BASE_HYPER_CounterfactualAnalyzer | 0.531746 | 0.575540 | -9.523810e-02 | -0.190476 | -0.099570 | 0.837242 |
| LogisticRegressionCV_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | LogisticRegressionCV_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.531746 | 0.569343 | -7.162698e-02 | -0.168254 | -0.076040 | 0.870732 |
| LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | CounterfactualAnalyzer | LinearDiscriminantAnalysis_FAIR_GAN_HYPERPARAMETER_CounterfactualAnalyzer | 0.523810 | 0.687500 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | CounterfactualAnalyzer | LogisticRegressionCV_FAIR_GAN_HYPERPARAMETER_CounterfactualAnalyzer | 0.523810 | 0.687500 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| MLPClassifier_FAIR_GAN_HYPERPARAMETER | POSTPROCESSING | CounterfactualAnalyzer | MLPClassifier_FAIR_GAN_HYPERPARAMETER_CounterfactualAnalyzer | 0.523810 | 0.687500 | 0.000000e+00 | 0.000000 | 0.000000 | 1.000000 |
| MLPClassifier_BASE_HYPER | POSTPROCESSING | CounterfactualAnalyzer | MLPClassifier_BASE_HYPER_CounterfactualAnalyzer | 0.523810 | 0.589041 | -3.373016e-02 | -0.117460 | -0.037303 | 0.942350 |
| LogisticRegressionCV_BASE_HYPER | POSTPROCESSING | CounterfactualAnalyzer | LogisticRegressionCV_BASE_HYPER_CounterfactualAnalyzer | 0.523810 | 0.577465 | -2.400794e-02 | -0.073016 | -0.026399 | 0.956848 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | UNAWARENESS | 0.520000 | 0.603306 | 1.500000e-02 | 0.005000 | 0.009524 | 1.018779 |
| ExtraTreesClassifier | BASE_LINE | PCA | SMOTE | 0.520000 | 0.603306 | 5.500000e-02 | -0.065000 | 0.009524 | 1.018779 |
| LogisticRegressionCV | BASE_LINE | PCA | HYPERPARAMETER_SMOTE | 0.520000 | 0.593220 | -9.750000e-02 | -0.070000 | -0.090476 | 0.821596 |
| LogisticRegressionCV | BASE_LINE | PCA | SMOTE | 0.520000 | 0.593220 | -1.150000e-01 | -0.105000 | -0.114286 | 0.777778 |
| MLPClassifier_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | MLPClassifier_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.515873 | 0.548148 | -8.690476e-02 | -0.123810 | -0.088666 | 0.846192 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | CounterfactualAnalyzer | MLPClassifier_NONE_BASE_LINE_VALUES_CounterfactualAnalyzer | 0.515873 | 0.548148 | -8.432540e-02 | -0.193651 | -0.088666 | 0.846192 |
| LinearDiscriminantAnalysis | BASE_LINE | PCA | SMOTE | 0.515000 | 0.583691 | -1.300000e-01 | -0.085000 | -0.116667 | 0.766667 |
| LinearSVC | BASE_LINE | PCA | SMOTE | 0.515000 | 0.583691 | -1.300000e-01 | -0.085000 | -0.116667 | 0.766667 |
| LinearDiscriminantAnalysis | BASE_LINE | PCA | HYPERPARAMETER_SMOTE | 0.515000 | 0.583691 | -1.300000e-01 | -0.085000 | -0.116667 | 0.766667 |
| LogisticRegressionCV_RUS_HYPERPARAMETER | POSTPROCESSING | CounterfactualAnalyzer | LogisticRegressionCV_RUS_HYPERPARAMETER_CounterfactualAnalyzer | 0.507937 | 0.392157 | 1.230159e-02 | -0.025397 | 0.010330 | 1.036585 |
| RidgeClassifierCV | BASE_LINE | PCA | SMOTE | 0.505000 | 0.571429 | -1.200000e-01 | -0.065000 | -0.102381 | 0.789216 |
| MLPClassifier | BASE_LINE | PCA | ROS | 0.505000 | 0.556054 | -1.750000e-01 | -0.200000 | -0.188095 | 0.601010 |
| MLPClassifier | BASE_LINE | PCA | SMOTE | 0.495000 | 0.542986 | -9.500000e-02 | -0.040000 | -0.078571 | 0.816667 |
| LinearDiscriminantAnalysis_ROS_HYPERPARAMETER | POSTPROCESSING | CounterfactualAnalyzer | LinearDiscriminantAnalysis_ROS_HYPERPARAMETER_CounterfactualAnalyzer | 0.492063 | 0.396226 | -3.373016e-02 | -0.117460 | -0.036729 | 0.888502 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FOS | 0.485000 | 0.554113 | -9.500000e-02 | -0.115000 | -0.102381 | 0.789216 |
| MLPClassifier_FAIR_PCA_HYPERPARAMETER | POSTPROCESSING | CounterfactualAnalyzer | MLPClassifier_FAIR_PCA_HYPERPARAMETER_CounterfactualAnalyzer | 0.484127 | 0.503817 | -7.480159e-02 | -0.174603 | -0.077762 | 0.856310 |
| MLPClassifier_BASE_LINE_VALUES | POSTPROCESSING | MLPClassifier_BASE_LINE_VALUES_CERTI_FAI | MLPClassifier_BASE_LINE_VALUES_CERTI_FAI | 0.479452 | 0.240000 | -8.948508e-02 | -0.174641 | -0.096124 | 0.409524 |
| MLPClassifier_RUS_HYPERPARAMETER | POSTPROCESSING | CounterfactualAnalyzer | MLPClassifier_RUS_HYPERPARAMETER_CounterfactualAnalyzer | 0.468254 | 0.361905 | 4.325397e-02 | 0.136508 | 0.047346 | 1.160976 |
| MLPClassifier_FAIR_PCA_HYPERPARAMETER | POSTPROCESSING | MLPClassifier_FAIR_PCA_HYPERPARAMETER_CERTI_FAI | MLPClassifier_FAIR_PCA_HYPERPARAMETER_CERTI_FAI | 0.466667 | 0.538462 | -6.776961e-01 | -0.480392 | -0.530364 | 0.224852 |
| MLPClassifier_ROS_HYPERPARAMETER | POSTPROCESSING | CounterfactualAnalyzer | MLPClassifier_ROS_HYPERPARAMETER_CounterfactualAnalyzer | 0.460317 | 0.403509 | 1.646825e-02 | -0.092063 | 0.013773 | 1.036585 |
| LinearDiscriminantAnalysis_RUS_HYPERPARAMETER | POSTPROCESSING | CounterfactualAnalyzer | LinearDiscriminantAnalysis_RUS_HYPERPARAMETER_CounterfactualAnalyzer | 0.460317 | 0.320000 | -3.174603e-03 | -0.006349 | -0.002296 | 0.991516 |
| RidgeClassifierCV_BASE_LINE_VALUES | POSTPROCESSING | RidgeClassifierCV_BASE_LINE_VALUES_CERTI_FAI | RidgeClassifierCV_BASE_LINE_VALUES_CERTI_FAI | 0.444444 | 0.375000 | -9.500000e-01 | -0.900000 | -0.933333 | 0.066667 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | RUS | 0.435000 | 0.506550 | -3.325000e-01 | -0.265000 | -0.302381 | 0.435556 |
| MLPClassifier_NONE_BASE_LINE_VALUES | POSTPROCESSING | MLPClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI | MLPClassifier_NONE_BASE_LINE_VALUES_CERTI_FAI | 0.434783 | 0.338983 | -1.814815e-01 | -0.196296 | -0.189744 | 0.260000 |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_SMOTE | FAIR_SMOTE | 0.425000 | 0.391534 | 5.325000e-01 | 0.540000 | 0.530952 | 7.194444 |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_SMOTE | HYPERPARAMETER | 0.425000 | 0.391534 | 5.325000e-01 | 0.540000 | 0.530952 | 7.194444 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_SMOTE | 0.425000 | 0.391534 | 5.325000e-01 | 0.540000 | 0.530952 | 7.194444 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_SMOTE | 0.425000 | 0.391534 | 5.325000e-01 | 0.540000 | 0.530952 | 7.194444 |
| RidgeClassifierCV | PREPROCESSING | FAIR_SMOTE | FAIR_SMOTE | 0.425000 | 0.378378 | 4.925000e-01 | 0.560000 | 0.511905 | 8.166667 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_SMOTE | 0.425000 | 0.378378 | 4.925000e-01 | 0.560000 | 0.511905 | 8.166667 |
| LogisticRegressionCV_BASE_LINE_VALUES | POSTPROCESSING | LogisticRegressionCV_BASE_LINE_VALUES_CERTI_FAI | LogisticRegressionCV_BASE_LINE_VALUES_CERTI_FAI | 0.420000 | 0.256410 | -1.659091e-01 | -0.150000 | -0.143317 | 0.340741 |
| LogisticRegressionCV_BASE_HYPER | POSTPROCESSING | LogisticRegressionCV_BASE_HYPER_CERTI_FAI | LogisticRegressionCV_BASE_HYPER_CERTI_FAI | 0.415094 | 0.162162 | -1.653846e-01 | -0.230769 | -0.173913 | 0.000000 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FAIR_SMOTE | 0.415000 | 0.367568 | 6.100000e-01 | 0.745000 | 0.654762 | 23.916667 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FAIR_SMOTE | 0.415000 | 0.367568 | 6.100000e-01 | 0.745000 | 0.654762 | 23.916667 |
| ExtraTreesClassifier | PREPROCESSING | FAIR_SMOTE | FAIR_SMOTE | 0.410000 | 0.351648 | 6.500000e-01 | 0.800000 | 0.700000 | inf |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_SMOTE | 0.410000 | 0.351648 | 6.500000e-01 | 0.800000 | 0.700000 | inf |
| MLPClassifier | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_SMOTE | 0.405000 | 0.356757 | 6.225000e-01 | 0.720000 | 0.654762 | 23.916667 |
| LinearSVC_BASE_LINE_VALUES | POSTPROCESSING | LinearSVC_BASE_LINE_VALUES_CERTI_FAI | LinearSVC_BASE_LINE_VALUES_CERTI_FAI | 0.403846 | 0.415094 | -1.000000e+00 | -1.000000 | -1.000000 | 0.000000 |
| ExtraTreesClassifier | PREPROCESSING | FAIR_SMOTE | FAIR_PCA | 0.400000 | 0.340659 | 6.625000e-01 | 0.775000 | 0.700000 | inf |
| ExtraTreesClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_SMOTE | 0.400000 | 0.340659 | 6.625000e-01 | 0.775000 | 0.700000 | inf |
| RidgeClassifierCV | PREPROCESSING | FAIR_SMOTE | FAIR_PCA | 0.400000 | 0.340659 | 6.100000e-01 | 0.670000 | 0.628571 | 30.333333 |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_SMOTE | FAIR_PCA | 0.400000 | 0.340659 | 6.100000e-01 | 0.670000 | 0.628571 | 30.333333 |
| LinearDiscriminantAnalysis | PREPROCESSING | FAIR_SMOTE | HYPERPARAMETER_FAIR_PCA | 0.400000 | 0.340659 | 6.100000e-01 | 0.670000 | 0.628571 | 30.333333 |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_SMOTE | 0.400000 | 0.340659 | 6.100000e-01 | 0.670000 | 0.628571 | 30.333333 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_SMOTE | 0.400000 | 0.340659 | 6.100000e-01 | 0.670000 | 0.628571 | 30.333333 |
| LinearDiscriminantAnalysis | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FAIR_SMOTE | 0.400000 | 0.340659 | 6.100000e-01 | 0.670000 | 0.628571 | 30.333333 |
| MLPClassifier | PREPROCESSING | FAIR_SMOTE | FAIR_SMOTE | 0.400000 | 0.325843 | 5.875000e-01 | 0.725000 | 0.633333 | inf |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FAIR_SMOTE_FAIR_PCA | 0.395000 | 0.345946 | 6.900000e-01 | 0.730000 | 0.702381 | 50.166667 |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_SMOTE | 0.395000 | 0.338798 | 6.150000e-01 | 0.705000 | 0.645238 | 31.111111 |
| MLPClassifier | PREPROCESSING | FAIR_SMOTE | HYPERPARAMETER | 0.395000 | 0.324022 | 6.125000e-01 | 0.725000 | 0.650000 | inf |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FAIR_SMOTE | 0.395000 | 0.284024 | 4.250000e-01 | 0.600000 | 0.483333 | inf |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FAIR_SMOTE | 0.390000 | 0.314607 | 6.000000e-01 | 0.700000 | 0.633333 | inf |
| MLPClassifier | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_SMOTE | 0.385000 | 0.335135 | 7.200000e-01 | 0.740000 | 0.726190 | 102.666667 |
| LogisticRegressionCV | PREPROCESSING | FAIR_SMOTE | FAIR_SMOTE | 0.385000 | 0.305085 | 5.875000e-01 | 0.675000 | 0.616667 | inf |
| LogisticRegressionCV | PREPROCESSING | FAIR_SMOTE | HYPERPARAMETER | 0.385000 | 0.305085 | 5.875000e-01 | 0.675000 | 0.616667 | inf |
| NEURONAL_NETWORK | IN_PROCESSING | FAIR_FOR_FREE | FAIR_SMOTE | 0.385000 | 0.305085 | 5.875000e-01 | 0.675000 | 0.616667 | inf |
| LogisticRegressionCV | PREPROCESSING | FAIR_SMOTE | HYPERPARAMETER_FAIR_PCA | 0.385000 | 0.297143 | 5.500000e-01 | 0.650000 | 0.583333 | inf |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_SMOTE | 0.385000 | 0.297143 | 5.500000e-01 | 0.650000 | 0.583333 | inf |
| MLPClassifier | PREPROCESSING | FAIR_SMOTE | FAIR_PCA | 0.380000 | 0.303371 | 6.125000e-01 | 0.675000 | 0.633333 | inf |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_SMOTE | 0.380000 | 0.303371 | 6.125000e-01 | 0.675000 | 0.633333 | inf |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_SMOTE | 0.380000 | 0.303371 | 6.125000e-01 | 0.675000 | 0.633333 | inf |
| MLPClassifier | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FAIR_SMOTE | 0.380000 | 0.303371 | 5.950000e-01 | 0.640000 | 0.609524 | 86.333333 |
| LinearSVC | PREPROCESSING | FAIR_SMOTE | FAIR_SMOTE | 0.380000 | 0.295455 | 5.750000e-01 | 0.650000 | 0.600000 | inf |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | UNAWARENESS_FAIR_SMOTE | 0.380000 | 0.295455 | 5.750000e-01 | 0.650000 | 0.600000 | inf |
| LogisticRegressionCV | PREPROCESSING | FAIR_SMOTE | FAIR_PCA | 0.380000 | 0.287356 | 5.375000e-01 | 0.625000 | 0.566667 | inf |
| LogisticRegressionCV | PREPROCESSING | UNAWARENESS | HYPERPARAMETER_FAIR_PCA_FAIR_SMOTE | 0.380000 | 0.287356 | 5.375000e-01 | 0.625000 | 0.566667 | inf |
| LinearSVC | PREPROCESSING | FAIR_SMOTE | FAIR_PCA | 0.380000 | 0.279070 | 5.000000e-01 | 0.600000 | 0.533333 | inf |
| CalibratedClassifierCV | PREPROCESSING | UNAWARENESS | FAIR_PCA_FAIR_SMOTE | 0.380000 | 0.279070 | 5.000000e-01 | 0.600000 | 0.533333 | inf |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FAIR_GAN_FAIR_PCA | 0.380000 | 0.253012 | -2.250000e-02 | -0.070000 | -0.042857 | 0.700000 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FAIR_PCA | 0.380000 | 0.253012 | -2.250000e-02 | -0.070000 | -0.042857 | 0.700000 |
| NEURONAL_NETWORK | IN_PROCESSING | DISTRACTION | FAIR_SMOTE_FAIR_PCA | 0.375000 | 0.301676 | 6.375000e-01 | 0.675000 | 0.650000 | inf |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_FGSM | FAIR_SMOTE_FAIR_PCA | 0.370000 | 0.292135 | 6.075000e-01 | 0.615000 | 0.609524 | 86.333333 |
| NEURONAL_NETWORK | IN_PROCESSING | ROB_FAIRNESS_PGD | FAIR_SMOTE_FAIR_PCA | 0.370000 | 0.292135 | 6.075000e-01 | 0.615000 | 0.609524 | 86.333333 |
| MLPClassifier | PREPROCESSING | FAIR_SMOTE | HYPERPARAMETER_FAIR_PCA | 0.370000 | 0.284091 | 5.875000e-01 | 0.625000 | 0.600000 | inf |
| NEURONAL_NETWORK | IN_PROCESSING | RULER | FAIR_SMOTE_FAIR_PCA | 0.370000 | 0.250000 | 4.375000e-01 | 0.525000 | 0.466667 | inf |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | RUS_FAIR_PCA | 0.340000 | 0.274725 | -8.250000e-02 | -0.040000 | -0.061905 | 0.729167 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | SMOTE_FAIR_PCA | 0.320000 | 0.055556 | -2.000000e-02 | -0.040000 | -0.028571 | 0.000000 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | SMOTE | 0.315000 | 0.041958 | -1.500000e-02 | -0.030000 | -0.021429 | 0.000000 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FAIR_GAN | 0.310000 | 0.041667 | -1.000000e-02 | 0.005000 | -0.004762 | 0.777778 |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FAIR_SMOTE | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | BAL_GAN_FAIR | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | BAL_GAN_FAIR_FAIR_PCA | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | DEMV | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | DEMV_FAIR_PCA | 0.300000 | 0.000000 | 0.000000e+00 | 0.000000 | 0.000000 | NaN |
| GERRY_FAIR_CLASSIFIER | IN_PROCESSING | GERRY_FAIR_CLASSIFIER | FOS_FAIR_PCA | 0.290000 | 0.053333 | -9.500000e-02 | -0.040000 | -0.071429 | 0.000000 |
Luego de tener resultados de evaluación del modelo se pueden establecer un conjunto de acciones para comprender cómo se toman las decisiones. Es recomendable hacer un análisis de importancia de características, para establecer la contribución relativa de cada característica en las predicciones del modelo. Teniendo en cuenta este orden se procede a revisar cual es la característica más importante y la que menos contribuye en la salida del modelo.
Probabilidad de predicción positiva: ¿Qué porcentaje de cada grupo recibe una predicción positiva?
Varianza de las predicciones dentro de un grupo: ¿Las predicciones dentro de un mismo grupo son consistentes o varían mucho?
Disparidad entre grupos: ¿Hay diferencias significativas en las tasas de predicción positiva?
Usa LIME para generar explicaciones locales sobre la influencia de las características en las predicciones del modelo.
Usa SHAP para calcular la importancia de cada característica en la toma de decisiones del modelo.
Se generan múltiples versiones de los datos y se filtran aquellas que producen resultados distintos en un modelo de clasificación.
Se calculan distancias entre las versiones originales y las alteradas, almacenando la información resultante.
Posteriormente, los valores generados se ajustan para mantener coherencia con los datos originales.